云生信学生物信息学

PanGenie任务准备:面板核对、索引复用与资源试跑

作者:发布于 2026-11-22更新于 2026-11-15约 8 分钟阅读
先验面板再测分型

先验面板再测分型:核二倍体与面板;构建完整索引;逐样本分型;验图泡及嵌套输出
本文操作与检查路径示意。

PanGenie利用短读长k-mer和已知单倍型面板,对面板中的变异重新分型。它不是从头发现新等位基因的变异检测器,也不适用于任意多倍体样本。资源试验前先确认二倍体研究对象、面板代表性及数据条件,再区分索引与样本分型。

面板不是普通分块定相VCF

本文按官方PanGenie 4.2.1文档。输入面板需有已知样本单倍型、全程单一相位块、非重叠且序列解析的变异表示;重叠变异应按图泡结构准备。普通WhatsHap多个相位块的VCF不能直接当合格面板,符号SV记录也不能只保留一个标签代替序列。

材料 要求 记录内容
面板VCF 符合图和完整单倍型条件 来源、样本、变异表示与校验
参考FASTA 与面板匹配、未压缩 组装和序列版本
短读长 同一样本的未压缩单文件 深度、质量与合并记录
索引 整套产物共同保存 PanGenie版本及完整输入指纹

索引只对固定面板构建一次

先按官方流程验收面板,不用改VCF后缀来代替转换。下例创建新目录,FASTA与VCF均未压缩;PanGenie-index输出前缀的父目录必须存在。索引与分型在已固定的同一兼容环境执行,版本及帮助随运行材料保存。

set -euo pipefail
: "${PANEL:?填写已验收且未压缩的图面板VCF}"
: "${REF:?填写匹配且未压缩的FASTA}"
: "${THREADS:?填写索引阶段获配正整数线程数}"
case "$THREADS" in ""|*[!0-9]*) exit 2;; esac
test "$THREADS" -ge 1 || exit 2
test -s "$PANEL" && test -s "$REF" || exit 2
mkdir pangenie-index-001
root="$PWD/pangenie-index-001"
sha256sum "$PANEL" "$REF" > "$root/input.sha256"
/usr/bin/time -v -o "$root/resources.txt" \
  PanGenie-index -v "$PANEL" -r "$REF" -t "$THREADS" -o "$root/panel" \
  > "$root/index.log" 2>&1
test -s "$root/panel_UniqueKmersMap.cereal" || exit 1
test -s "$root/panel_path_segments.fasta" || exit 1
compgen -G "$root/panel_*_Graph.cereal" > "$root/graphs.txt" || exit 1
for file in "$root"/panel_*; do test -s "$file" || exit 1; done

每个样本独立分型

同一面板的多个样本复用完整索引,但每个样本用新输出目录。READS是该样本已核对的单个未压缩FASTA/FASTQ;配对端可按官方k-mer输入要求准备到同一流,输入不依赖配对比对。压缩数据需按支持路线解压或送入流,不能把gzip直接改名。

set -euo pipefail
: "${INDEX_PREFIX:?填写已验收索引的绝对前缀}"
: "${READS:?填写本样本合并后的未压缩FASTA或FASTQ}"
: "${SAMPLE:?填写真实样本名}"
: "${KMER_THREADS:?填写kmer阶段正整数线程数}"
: "${GENO_THREADS:?填写分型阶段正整数线程数}"
: "${OUT:?填写新目录}"
for value in "$KMER_THREADS" "$GENO_THREADS"; do
  case "$value" in ""|*[!0-9]*) exit 2;; esac
  test "$value" -ge 1 || exit 2
done
test -s "$READS" && test -s "${INDEX_PREFIX}_UniqueKmersMap.cereal" || exit 2
test ! -e "$OUT" && test ! -L "$OUT" || exit 2
mkdir "$OUT"
/usr/bin/time -v -o "$OUT/resources.txt" \
  PanGenie -f "$INDEX_PREFIX" -i "$READS" -s "$SAMPLE" \
  -j "$KMER_THREADS" -t "$GENO_THREADS" -o "$OUT/result" \
  > "$OUT/genotype.log" 2>&1
test -s "$OUT/result_genotyping.vcf" || exit 1
test "$(bcftools query -l "$OUT/result_genotyping.vcf")" = "$SAMPLE" || exit 1
bcftools stats "$OUT/result_genotyping.vcf" > "$OUT/vcf-stats.txt"

分别理解线程和产物

j控制k-mer计数,t控制核心分型;后者最大有效并行量还受染色体数限制,写最终VCF另有单核阶段。记录各阶段墙钟、峰值RAM和盘,不把所有CPU都忙当成功标准。调整面板采样、k-mer或哈希设置也可能影响方法或实现条件,先核本版接口并记录。

输出首先是面板图泡层面的分型,核对样本、变异记录与REF/ALT、缺失基因型及质量。需要恢复嵌套变异时,使用对应面板注释和官方转换流程另验收,不把图泡基因型直接当全部原始变异。结果不能代表发现面板外的新变异。

按合法任务扩量

先完成一个代表样本,验证基因型和必要独立质量,再增加队列并发。索引预处理不依赖被分型样本,面板或参考改变后应重建整套;同名旧索引不能直接复用。小区域任务不是理想常规用法,若用于诊断,参考和reads范围也要按官方条件配套,不能只截VCF。

面板条件错误先修输入,缺产物先查索引与版本,内存终止再查真正阶段和额度。保留索引、中间k-mer、输出及旧运行的共存空间;失败目录留作排查,新目录重试。单样本峰值与任务组实测结合,才能判断队列是否存在必要容量缺口。

试跑表同时保留面板单倍型数、变异数和reads碱基量,方便区分面板增大与样本深度增大的开销。

需要额外算力时

适用前提:面板和任务适用性明确,试跑表明索引或分型阶段容量不足。如需额外资源,可评估大内存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 ↗