云生信学生物信息学

Strelka2配对批处理:独立工作目录、日志和失败重跑

作者:发布于 2026-11-22更新于 2026-11-15约 6 分钟阅读
Strelka2每对样本独立运行

Strelka2每对样本独立运行:确认配对与专用Python环境;新runDir完成配置;核对SNV与indel两份VCF;保留失败证据再续跑
本文操作与检查路径示意。

Strelka2配对批处理先固定一对肿瘤与正常、兼容环境,再运行配置和执行两个阶段。输出目录存在并不表示分析已完成。本文限定已确认适用的v2.9.10体细胞DNA流程,保留每对独立工作区与失败证据,不把不同病例的中间文件混在一起。

先核对既有软件栈与输入

该版本使用专用的兼容Python2.7环境和配套二进制,不能在共享Python3环境直接执行后把语法错误当算力不足。记录发行包、运行系统、解释器和配置脚本指纹;只把一个脚本复制进新目录并不等于部署完整。下例在已经激活并验收的环境中运行。

检查项 本例约定 验收重点
配对 病例、正常BAM和肿瘤BAM 身份、SM与实验关联
参考 同组装FASTA及索引 BAM序列名、长度和范围
方法 WGS体细胞示例及版本参数 外显子等方案另核专用设置
工作区 一对一个新runDir 配置、pyflow日志与两类VCF

BAM坐标排序、索引和上游处理已验收。外显子项目要按官方选择exome及适用区域;如果采用Manta候选小indel,还需核对相同配对、参考和候选输入,不能只追加另一个样本的VCF。本篇示例不添加该可选候选路线。

配置成功后再启动local工作流

以下依赖兼容Strelka2安装、samtools、bcftools和GNU Time。4个local任务是演示并发,不等于整个流程总RAM上限。配置帮助、执行日志和资源文件都保存在本次新目录;失败不会删除原始输入或覆盖既有runDir。

#!/usr/bin/env bash
set -euo pipefail
strelka=/opt/strelka-2.9.10
normal=/data/N.bam
tumor=/data/T.bam
ref=/refs/genome.fa
python -c 'import sys; assert sys.version_info[:2] == (2,7)'
for file in "$strelka/bin/configureStrelkaSomaticWorkflow.py" "$normal" "$tumor" "$ref" "$ref.fai"; do
  test -s "$file"
done
samtools quickcheck -v "$normal" "$tumor"
mkdir strelka-pair-001
root="$PWD/strelka-pair-001"
python "$strelka/bin/configureStrelkaSomaticWorkflow.py" --help > "$root/help.txt" 2>&1
python "$strelka/bin/configureStrelkaSomaticWorkflow.py" \
  --normalBam "$normal" --tumorBam "$tumor" --referenceFasta "$ref" \
  --runDir "$root/run" > "$root/configure.log" 2>&1
test -s "$root/run/runWorkflow.py"
/usr/bin/time -v -o "$root/resources.txt" \
  python "$root/run/runWorkflow.py" -m local -j 4 > "$root/workflow.log" 2>&1
for type in snvs indels; do
  vcf="$root/run/results/variants/somatic.$type.vcf.gz"
  test -s "$vcf"
  bcftools view -h "$vcf" > "$root/$type.header.txt"
done

两类VCF都检查样本、FILTER、基因型字段与实际调用范围。头部可读不代表内容质量,未通过过滤的记录不能全算作可信变异。没有候选也应结合覆盖和日志解释;不要用单纯变异数排名选择配置或参数。

失败重跑先保持工作区合同

配置失败先查参数、解释器及参考;流程缺命令先查完整依赖和环境;进入任务后再定位首条实质错误。任务日志应保留具体结束码,不能因最后一条统计命令成功就把前面失败算作完成。每对病例的任务表记录输入、配置、版本、尝试编号和验收状态。

同一版本、输入和配置下是否能续跑,按该安装版pyflow规则核对,先确认旧进程已结束;需要改变方法时另建新工作目录。不要删除或伪造中间标记强行跳过。队列只有部分病例成功时明确列未完成项,不将空结果默认为正常完成。

再安排批量资源

分别记录配置、比对数据读取、候选/模型计算和输出的墙钟、作业RAM及临时盘。local的-j限制工作流并发,不能从主机核数直接推算可同时启动多少病例;参考、BAM读取、临时量和两个VCF的写出也会竞争同一存储。

先完成少量代表性配对再测小并发,覆盖深度、实验类型和区域规模变化后重新评估。保存原BAM、工作区、失败现场及待回传产物的共存空间。输出通过基本文件检查后,还需完成配对、覆盖及变异质量复核,才能作为后续队列比较的输入。

需要额外算力时

适用前提:分析方案适用且单对样例可运行,有持续批量执行需求。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

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。

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。

把知识用于当前任务

下一步可以直接开始分析

按研究目标查找在线工具、课程、计算资源或完整分析服务。

按目标找方案仍有疑问,联系客服 ↗