
CNVnator根据比对读段的覆盖深度寻找拷贝数变异候选。批量分析最容易出错的地方是把不同样本写进同一个ROOT文件,或让同一个样本的多个步骤同时修改ROOT。下面以已完成比对质控的人类短读长WGS为例,每个样本独立建文件、顺序处理chr1至chr22。外显子捕获、肿瘤或非二倍体数据需要单独评估覆盖基线,不能直接照搬此例。
| 运行前核对 | 具体内容 | 留档 |
|---|---|---|
| 样本 | BAM、样本ID、覆盖及比对参考 | 样本表与BAM校验值 |
| 参考 | FASTA与BAM的组装、chr前缀一致 | 参考版本、目标染色体清单 |
| 参数 | CNVnator/ROOT版本和bin size | 命令、日志、资源峰值 |
准备样本清单和参考文件
samples.tsv无表头,每行两列TAB分隔:唯一样本ID和BAM绝对路径。示例参考目录需含chr1.fa至chr22.fa,且与BAM头中的染色体命名对应;文件名看起来一致并不能证明参考序列版本相同。运行前核对BAM索引和基本质控,记录调用版本、参考来源及样本覆盖。bin示例设为1000 bp,只是演示值;分箱越小不一定越好,分辨率、噪声和耗时都可能变化,项目内应统一并说明理由。
每个样本顺序运行完整流程
将程序路径、参考目录和染色体范围改成项目实际值。先在空工作目录运行一个代表性样本;确认ROOT内容与日志后,再逐步增加并发。CNVnator官方流程要求先生成读深度、直方图和统计,再partition与call;同一样本这几步必须使用同一ROOT和bin。
set -euo pipefail
cnv=/opt/cnvnator/cnvnator
ref=/ref/chromosome-fasta
bin=1000
chroms=(chr{1..22})
test -x "$cnv"
for chr in "${chroms[@]}"; do test -s "$ref/$chr.fa"; done
mkdir cnvnator-batch
sha256sum "$cnv" > cnvnator-batch/program.sha256
root-config --version > cnvnator-batch/root-version.txt
declare -A seen=(); n=0
while IFS=$'\t' read -r id bam extra || [[ -n "${id:-}${bam:-}${extra:-}" ]]; do
[[ "$id" =~ ^[A-Za-z0-9][A-Za-z0-9_.-]*$ ]]
[[ "$bam" = /* && -z "${extra:-}" ]]
[[ -z "${seen[$id]+yes}" ]]; seen[$id]=1
test -s "$bam"; samtools quickcheck -v "$bam"
d="cnvnator-batch/$id"; mkdir "$d"; root="$d/$id.root"
/usr/bin/time -v -o "$d/tree.time.txt" "$cnv" -root "$root" -tree "$bam" -chrom "${chroms[@]}" > "$d/tree.log" 2>&1
test -s "$root"
/usr/bin/time -v -o "$d/his.time.txt" "$cnv" -root "$root" -his "$bin" -d "$ref" > "$d/his.log" 2>&1
/usr/bin/time -v -o "$d/stat.time.txt" "$cnv" -root "$root" -stat "$bin" > "$d/stat.log" 2>&1
/usr/bin/time -v -o "$d/partition.time.txt" "$cnv" -root "$root" -partition "$bin" > "$d/partition.log" 2>&1
/usr/bin/time -v -o "$d/call.time.txt" "$cnv" -root "$root" -call "$bin" > "$d/calls.txt" 2> "$d/call.log"
"$cnv" -root "$root" -ls > "$d/root-contents.txt" 2>&1
du -b "$root" "$d/calls.txt" > "$d/retained-bytes.txt"
printf 'COMPUTE_OK\n' > "$d/status.txt"
n=$((n+1))
done < samples.tsv
test "$n" -gt 0
怎样验收候选和资源
逐样本检查tree、his、stat、partition和call日志,确认ROOT内部对象与本次样本、bin及染色体一致;ROOT文件存在不代表各阶段都成功。call结果写入标准输出,空文件可能表示没有候选,也可能是输入范围或覆盖异常,应检查日志、深度质控和ROOT内容,不能直接报成“全基因组无CNV”。
输出中的区间、类型、长度、归一化深度和统计值是候选证据。GC偏倚、低可比对性、重复区域和低覆盖都会影响信号;q0或单个e-value不应单独作为保留/剔除标准。对重要候选结合深度曲线、样本背景和独立证据复核;肿瘤纯度、性别和非整倍体也会影响基线解释。
记录每阶段耗时、峰值内存、ROOT和工作盘占用。结束后的文件大小不等于运行期间临时盘峰值;可用系统监控周期采样。多样本只有在单样本流程通过后再并行,每个样本各用ROOT和输出目录,避免同时写同一文件。归档清单应包括BAM来源与校验值、参考版本、bin、程序与ROOT版本、日志、calls和失败原因;重新计算用新目录保留旧结果。跨样本比较前先检查测序深度、GC偏倚和批次质量,统一参数并报告样本级QC,不能只比较call总数。若要改变bin size或染色体范围,另建结果目录并重新完成统计、分段和调用,避免把不同口径混在一个汇总表。先判断是输入、参考还是阶段耗时限制,再按实测配置CPU、内存和存储。
下载练习材料
先核对包内SHA256清单,再在独立目录复现。
需要额外算力时
适用前提:工具适用于数据且参数已核对,多BAM处理形成资源缺口。如需额外资源,可评估按任务测算的CPU服务器租赁。咨询时说明软件版本、任务规模和使用期限,配置与支持范围另行确认。
咨询本任务的服务器配置
留下手机号,我们会结合本文任务与您沟通服务器配置和报价。 也可联系云生信企业微信客服,说明本文任务。咨询本任务的服务器配置
参考与版本核对
按文中适用环境运行,所用版本与参数以实际安装环境和对应官方文档为准。
