云生信学生物信息学

vg Giraffe短读长比对:索引配套与样本验收

作者:发布于 2026-11-22更新于 2026-11-15约 6 分钟阅读
Giraffe比对:四类索引成套核对

Giraffe比对:四类索引成套核对:登记图和索引来源;核对GBZ、min、zipcodes、dist;用配对样本试跑;检查GAM、日志和资源
本文操作与检查路径示意。

vg Giraffe部署的重点是索引配套:单独看到一个GBZ文件不足以开始比对。短读长工作流通常需要同一图发布的GBZ、short-read minimizer、zipcodes和dist;本例不适用于长读长索引与参数;跨图混用同名文件会造成错误或隐蔽的比对差异。本文以配对FASTQ为例,先登记索引来源,再跑一份代表样本。正式分析前还应确认图的参考组装和变异面板适用于研究样本。若自行建图,保存所用FASTA与VCF清单及构建命令;相位信息和样本面板会影响图路径,未相位输入与相位图的解释能力不同。不要只凭图的文件名或映射率判断其适合特定课题。

索引文件 用途 验收重点
giraffe.gbz 图序列与单倍型路径 同一图构建
shortread.withzip.min 短读长种子查找 与图和模式一致
shortread.zipcodes 种子位置提示 对应minimizer
dist 图距离信息 与GBZ节点匹配

登记索引和FASTQ

若用官方vg autoindex --workflow giraffe生成索引,保留完整命令、输入FASTA/VCF指纹、vg版本和输出清单;从外部取得索引则记录发布页及校验值。把四类文件放入只读的版本目录,不能只按文件名判断它们属于同一次构建。不同vg版本可能采用不同索引布局;如接收旧版分离的GBWT/图文件,应查阅对应版本教程,不要把旧、新文件拼接使用。R1和R2需来自同一样本且配对关系一致;交错FASTQ应使用对应选项,不照搬本例。

先跑一个双端样本

以下环境变量需替换为实际文件,THREADS填可用的正整数,OUT必须是新目录。显式传入所有索引,避免程序自动猜测文件或临时尝试建索引。GAM是图坐标比对结果,不是线性参考BAM。

set -euo pipefail
: "${GBZ:?填写giraffe.gbz}"
: "${MIN:?填写shortread.withzip.min}"
: "${ZIP:?填写对应shortread.zipcodes}"
: "${DIST:?填写对应dist}"
: "${R1:?填写FASTQ第一端}"
: "${R2:?填写FASTQ第二端}"
: "${THREADS:?填写已获配线程数}"
: "${OUT:?填写新输出目录}"
case "$THREADS" in ""|*[!0-9]*) exit 2;; esac
test "$THREADS" -ge 1
for f in "$GBZ" "$MIN" "$ZIP" "$DIST" "$R1" "$R2"; do test -s "$f"; done
test ! -e "$OUT" && test ! -L "$OUT"
mkdir "$OUT"
vg version > "$OUT/version.txt" 2>&1
sha256sum "$GBZ" "$MIN" "$ZIP" "$DIST" > "$OUT/indexes.sha256"
/usr/bin/time -v -o "$OUT/resources.txt" \
  vg giraffe -Z "$GBZ" -m "$MIN" -z "$ZIP" -d "$DIST" \
  -f "$R1" -f "$R2" -t "$THREADS" \
  > "$OUT/mapped.gam" 2> "$OUT/mapping.log"
test -s "$OUT/mapped.gam"
vg stats -a "$OUT/mapped.gam" > "$OUT/alignment-stats.txt" 2> "$OUT/stats.log"
test -s "$OUT/alignment-stats.txt"

检查输出,再安排批量运行

先看GAM是否可读、统计中的总比对数和配对统计是否与输入规模相符、日志是否有索引警告,并抽查mapping质量。将统计结果与FASTQ读数和配对质控相互核对;文件非空只说明有输出,不表示每条reads都成功比对。比对率没有通用合格线,要结合读长、样本类型和图面板覆盖解释;即使比对率高,也不能证明图的样本面板适用或变异分型准确。若下游需要BAM,按该图的参考路径执行投影,并另外检查BAM头、坐标和丢失的信息;不能把GAM改后缀当成BAM。

索引加载、FASTQ解压和图遍历会分别占用内存、CPU和I/O。记录FASTQ大小、索引版本与指纹、线程、耗时、峰值RSS、GAM大小和退出码;通过代表样本后再小规模增加并发。工作盘预留输出和失败重跑空间。索引发布记录中还应有文件大小、散列、vg版本、构建参数和参考路径;索引迁移后复核散列,避免复制中断导致任务在运行时才报错。若运行失败,先区分索引不匹配、读段配对、路径权限、磁盘和内存问题;索引缺失不能靠增加内存解决。每个样本使用独立目录,保留本次日志和资源记录,便于复核。

下载练习材料

下载教程 PDF · 下载代码与示例数据 ZIP

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:图索引与工具版本匹配且用户需要自行运行图比对任务。如需额外资源,可评估服务器租赁及按需环境部署。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 ↗