
Sniffles队列分析应区分单样本候选检测与群体联合调用。直接把若干单样本VCF拼接或用通用merge,不等于利用各样本证据完成Sniffles联合分析。下面限定同一参考、兼容Sniffles2版本和已验收长读长比对,先保存SNF,再做两样本联合入口。
把每个SNF与真实样本关联
每个BAM须按坐标排序、索引有效,记录参考组装、读段技术、比对器、过滤及样本身份。普通短读长BAM不因扩充线程就满足本例。胚系与mosaic路线应按实验目标选择;本篇不启用mosaic,也不把群体调用当群体定相或临床结论。
| 阶段 | 固定内容 | 验收记录 |
|---|---|---|
| 单样本 | 同版本、同类方法、BAM与索引 | 输入样本、SNF和单样本VCF |
| 联合输入 | SNF路径与明确样本ID | 唯一ID、参考与版本兼容 |
| 联合调用 | 固定阈值及群体范围 | VCF可读、样本列与缺失 |
| 资源 | 单样本与联合分别测量 | 线程、RAM、盘与有效完成数 |
分阶段运行并核对样本列
以下需要兼容Sniffles2、samtools、bcftools和GNU Time,S1/S2映射已由项目清单确认。4线程只是演示额度。新建输出目录,两个单样本顺序执行;首次保留VCF方便排错,SNF则用于后续联合,不把二者误认成相互替代的通用格式。
#!/usr/bin/env bash
set -euo pipefail
mkdir sniffles-cohort-001
root="$PWD/sniffles-cohort-001"
sniffles --version > "$root/version.txt" 2>&1
for sample in S1 S2; do
bam="/data/$sample.bam"
test -s "$bam"
samtools quickcheck -v "$bam"
/usr/bin/time -v -o "$root/$sample.resources.txt" \
sniffles --input "$bam" --vcf "$root/$sample.vcf.gz" \
--snf "$root/$sample.snf" --threads 4 > "$root/$sample.log" 2>&1
test -s "$root/$sample.snf"
bcftools view -h "$root/$sample.vcf.gz" > "$root/$sample.header.txt"
done
printf '%s %s
' "$root/S1.snf" S1 "$root/S2.snf" S2 > "$root/snf-files.tsv"
/usr/bin/time -v -o "$root/joint.resources.txt" \
sniffles --input "$root/snf-files.tsv" --vcf "$root/cohort.vcf.gz" \
--threads 4 > "$root/joint.log" 2>&1
bcftools view -h "$root/cohort.vcf.gz" > "$root/cohort.header.txt"
bcftools query -l "$root/cohort.vcf.gz" > "$root/samples.txt"
TSV无表头,第一列SNF路径,第二列按官方接口指定样本ID,不能填错对应关系。检查samples.txt恰好含S1与S2且无重复,再抽查变异记录和基因型。文件头可读不是所有变异内容都正确;quickcheck也不证明比对身份、标签或全部内容已验证。
解释缺失与方法变化
无变异记录可能是合法结果,也可能来自覆盖、过滤或输入问题,应结合日志与代表位点判断。缺失基因型不能直接改成0/0;不同样本的支持读段、基因型质量与缺失情况需要保留。DEL序列输出若需要参考,按版本增加正确reference,不随意混入另一组装。
追加样本、升级软件或修改候选检测设置后,先核SNF兼容与方法边界,不仅因文件后缀相同就复用。联合样本范围改变也应另存运行与清单。VCF结果排序、过滤或后续比较另有明确规则,不能把取前若干条当群体质量验收。
按完整队列安排资源与恢复
某样本缺少合格SNF时,应记录该样本未完成,不能为让联合命令通过就从清单中删掉。成功样本的SNF可按兼容条件保留复用,但队列范围、软件版本和输入身份都需要可追溯,新增样本时重建明确的联合清单。
分别测单样本候选、SNF保存与联合调用,线程增加可能同时提高RAM。GNU Time与平台作业监控口径要区分,多个样本并发不能只看其中一个进程。原始BAM、SNF、VCF、临时量、失败现场与待回传副本共同计入工作盘,压缩文件大小不直接决定内存。
先完成少量具有代表性的样本和真实联合任务,再测试小并发;高覆盖或复杂SV样本可能明显不同。失败保留日志及部分产物,用新尝试目录重新执行必要阶段,不将残留SNF目录存在当作完成。最后按原样本清单逐项验收,缺一必要样本就明确标为队列未完成。
需要额外算力时
适用前提:数据类型与工具版本符合要求,多样本计算需要额外资源。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。
