【bioinfo】bwa mem 比对分值参数测试

已于 2024-02-22 13:34:56 修改
阅读量9.1k 收藏 12
点赞数 6
分类专栏： bioinfo 文章标签： 生物信息学 bwa 序列比对
于 2021-06-08 20:59:44 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/sinat_32872729/article/details/117563599
版权

文章目录

bwa commands

常用的序列比对软件bwa：
在这里插入图片描述
command对应的多种命令，这里使用的是mem，即使用BWA-MEM算法进行序列比对。

bwa mem

bwa mem命令比对：
下方官网上介绍的mem命令：
在这里插入图片描述

不同版本的bwa可能不同：(bwa Version: 0.7.10-r789)
在这里插入图片描述
在这里插入图片描述
其中，常用的参数：

-k INT        minimum seed length [19]; 最小种子长度
-T INT        minimum score to output [30]; 最小输出分值
-a            output all alignments for SE or unpaired PE; 所有比对可能
-Y            use soft clipping for supplementary alignments; softclip标记为补充比对
-M            mark shorter split hits as secondary; 短的标记为二次比对
-C            append FASTA/FASTQ comment to SAM output; 添加注释？

注：关于-C参数，测试read名称后需以空格分隔、不能有冒号":"、以de/De(description)开头但不能只有De/de（比如，可以是Desc_1），不符合时比对无结果，但是注释的信息是：De:A:o, de:A:i, De:A:1的候补信息（o/i来自哪里？)
示例有注释信息的fastq:

@readName Desc_1
CAGCATCTCCTGGGAA
+
FFFFFFFFFFFFFFFF

bwa mem分值参数说明

bwa mem 比对分值相关参数：
在这里插入图片描述

参数默认比对情况分值说明
-A[1]Match11bp比对得1分
-B[4]Mismatch-41bp错配扣4分
-O[6,6]gap(ins,del)-6,-61bp的ins扣6分，del扣6分
-E[1]gap extension1发生extension罚分系数
-L[5,5]soft clipping-5,-5在5’端,3’端的softclip扣5分
-U[17]unpaired read-17不成对的read扣17分
  • -E: g+[1]*s (g:gap罚分值, s:gap的长度(从第1bp的gap开始算), [1]:该参数设定)
  • -L: 按错配/indel，还是按softclip。 是选择分值高的作为最优比对。该分值设定越大，即对softclip的惩罚越大，那么选择最优比对时，更倾向于错配/indel（尽可能的比对上，而不是直接给出softclip），同样带来的弊端就是有很多错配。但是softclip的分值则不在AS中显示

测试分值参数

Test1：序列不同长度

$ BWA mem -M -k10 -T10 ref.fa tst1.fq > tst1.sam
$ cat ref.fa
>seq1
CACGATGTCTCTCCTCTTAATGTGCTGCACATCTGTAGGATGGGGACAAA

该测试主要针对序列的长度，以及有错配/Ins/Del的情况。 在这里插入图片描述
其中：

  • -M: mark shorter split hits as secondary (标记secodary比对结果)；

  • -k: minimum seed length [19] （比对的序列最短长度，默认是19bp）；这里设定10。

    这里的seed不是太明白，是否是指read序列，还是有别的含义？测试是序列可比对长度低于该阈值，则不显示比对结果。

  • -T: 比对的最小分值阈值，默认值30。即比对得分值<30不输出比对结果（结果显示未比对上），比对得分值>=30输出比对结果。这里设定10。

    [-k]参数的作用优于[-T]，就是说，如果[-k]设定长度阈值较高（eg:19bp)，而[-T]参数设置较低(eg:10，即分值最低为10），那么当read长度达不到19bp (但比对分值>=10)，结果仍认为是未比对上。

  • ref.fa: fasta格式的参考序列文件；

  • tst1.fq: 输入的fq文件；

  • tst1.sam：输出sam格式比对结果文件。

该测试其他分值参数使用的是默认值，以read id 为 2del2ins的序列为例计算分值：

- CIGAR值得为：13M2D8M2I12M10S；(M:match;D:del;I:ins;S:softclip)
- AS tag给出比对分值："AS:i:17"（17分）
- 分值计算：
	- match得分：13+8+12=33
	- indel罚分：(6+1*2)+(6+1*2) = 16 (ins和del各有两个）
	- 最终得分：33-16=17

注意：这里的分值并没有计算softclip，因为softclip的分值是在比对过程中，用于计算：
是将一端的序列视为softclip还是视为可比对（有match、mistmach、indel)；
如果按比对的分值>视为softclip分值，则选择比对上结果，反之，视为softclip。

Test2：错配和softclip

测试靠近read两端位置出现错配， 比对结果是match/mismatch还是softclip？

$ BWA mem -M ref.fa tst.fq > tst.sam
$ cat ref.fa
>ref
TCGTCAATTCCAGGCCAGCCCATGAAGTGAGCAGA

在这里插入图片描述
比对结果中，分值计算：

readID: "match"是完全match，碱基数35，分值是: 35；
readID: "mis1"第三个碱基有一个碱基错配，比对上的碱基有34，得分值：34+(-4)=30；
             (奇怪：这里为什么给到分值(AS)是32？)
readID："mis1_ins1"是有一个碱基错配，和一个ins。
		 - 如果按错配+ins，可match碱基是34个，得分是：34+(-4)+(-6)=24；
		 - 如果从ins处及左端(5')视为6bp的softclip(罚5分)，分值是：34+(-5)=29。
		 - 也就是按softclip分值更高，所以比较结果给出的是softclip。

注意：bwa比对时，如果序列长度和碱基质量值不同，bwa比对结果中不显示该序列，也没有报错。

Test3：参考序列有相似

对bwa比对的一些测试中，发现如果参考序列之间有相似时，要输出所有比对结果的话，情况可能不理想。

比如这是参考序列ref.fa：（随意编造的）

>ref1
CTACCGATCTGCACTGTAAGCACCCTTATG
>ref2
CTACCGATCTGCACTATAAGCACCCTTATA
>ref3
CTACCGATCTGCACGAACAGCACCCTTATG
>ref4
CTACCGATCTGCACTGTAAGCACCCTTATT
>ref5
CTACCGATCTGCACTATGAGCACCCTTATG

然后使用同样的序列作为test.fq，就是：

@ref1
CTACCGATCTGCACTGTAAGCACCCTTATG
+
FFFFFFFFFFFFFFFFFFFFFFFFFFFFFF
@ref2
CTACCGATCTGCACTATAAGCACCCTTATA
+
FFFFFFFFFFFFFFFFFFFFFFFFFFFFFF
@ref3
CTACCGATCTGCACGAACAGCACCCTTATG
+
FFFFFFFFFFFFFFFFFFFFFFFFFFFFFF
@ref4
CTACCGATCTGCACTGTAAGCACCCTTATT
+
FFFFFFFFFFFFFFFFFFFFFFFFFFFFFF
@ref5
CTACCGATCTGCACTATGAGCACCCTTATG
+
FFFFFFFFFFFFFFFFFFFFFFFFFFFFFF

进行比对：

bwa index -a is ref.fa  # 构建索引
samtools faidx ref.fa  # 构建索引
bwa mem -k1 -T1 ref.fa test.fq > test.sam  # 默认输出结果
bwa mem -k1 -T1 -a ref.fa tmp.fq > test.all.sam  # 比对输出所有结果

默认输出的结果：（候选比对结果会在XAtag中）
在这里插入图片描述

使用-a参数输出的结果：（与默认在XA中的相同）
在这里插入图片描述
但是直观看的话，比如，ref1输出的比对只有ref1,ref4，直观看ref5也可以（2mis)
在这里插入图片描述
但是， 构建ref时，只使用一个序列，比如只用ref5：

>ref5
CTACCGATCTGCACTATGAGCACCCTTATG

test.fq的文件比对结果则是：全部可以比对上。
在这里插入图片描述

更新日志

  • 2024.02.22: mem参数说明
  • 2023.02.23: 参考序列有相似
  • 2021.06.08: 初版
【一起学生信】 bwa -M 参数解读
自由 平等~忠诚 奉献
01-11 9052
bwa mem 比对时，会有一个 -M 参数，bwa官方给出的解释是 mark shorter split hits as secondary。 -M 参数用来处理同一个reads比对到参考基因组上不同位置的情况。 不加 -M 如果加入 -M 参数，这种情况bam中的 flag= 2048 ( supplementary alignment ) # 必须做好hg19的index bwa
BWA、Bowtie2、TopHat 和 HISAT2 这四款常用的序列比对软件
2302_80012625的博客
10-12 2908
BWA：适用于短读和长读序列的比对，推荐使用 BWA-MEM 算法。Bowtie2：适合于高效的短序列比对，支持单端和双端数据。TopHat：专为 RNA-seq 数据设计，能够处理剪接事件。HISAT2：优化了 RNA-seq 数据的比对速度和内存效率，是现代 RNA-seq 分析的首选工具之一。这些工具各有优缺点，选择合适的工具取决于数据类型和具体分析需求。
BWA MEM比对人类参考基因组详解
热门推荐
睿智如水
11-10 3万+
在获得下机数据后，做的第一步是质控。质控工具有很多，这里就不做一一介绍了。这里讲如何使用BWA MEM将质控合格的数据比对到参考基因组上。         BWA是一款基于BWT的快速比对工具，其由三个算法组成。这三个算法分别是：BWA backtrack, BWA SW and BWA MEM。其中，BWA MEM是最新的，其更快更准确，更适合用于人重数据分析。对于上述三种算法，首先需要使用索
bwa-meth:使用bwa-mem和3个字母的基因组快速准确地比对BS-Seq读数
05-10
wa BS-Seq读取的快速准确对齐。 笔记！！！ 从2016-08-18开始，bwa-meth现在将sam输出到stdout。 由用户决定是否转换为bam。 这意味着--prefix和--calmd标志已消失。 更新2016 bwa-meth仍然是BS-SEQ（如果不是）最好对准中。 虽然它相当稳定，但是我将继续支持bwa-meth的对齐部分bwa-meth修复任何错误或根据需要进行更新。 与此处提供的表格和SNP调用相比，现在有几种（可能更好）的替代方法，因此我将不做进一步的介绍。 对于制表，偏差和绘图，请使用 对于SNP呼叫（更现代的BisSNP），请使用 介绍 这适用于定向协议中的单端读取和成对端读取（最常见）。 在参考和阅读中均使用甲基编码器和Bismark所采用的方法，将所有C进行电子转换为T。 通过将原始阅读作为注释附加到bwa作为标签附加到阅读的内容中，以恢
BWA mem比对的 Secondary ,Supplementary alignment 和 -M -Y参数
公众号/简说基因，知乎/简宝玉
03-14 616
作者：青萍，你好出处：https://www.cnblogs.com/timeisbiggestboss/p/8856888.html1.supplementary alignmentsupplementary alignment是指一条read的一部分和参考区域1比对成功，另一部分和参考区域2比对成功，参考区域1和参考区域2没有交集（或很少），那么一条read就会产生两条sam文件，将其中的一条...
BWA/BWT 比对软件
acoikw2620的博客
07-09 869
名称 bwa– Burrows-Wheeler Alignment Tool 内容摘要描述命令行与选项SAM 比对格式短序列比对注意事项 比对精确性 估计插入大小分布 内存需求 速度Bwa-0.6中的改变其他作者引用与授权历史 摘要 b w a i n d e x r e f . f ab w a m e m ...
BWA -A -B -O -E参数控制比对得分
2302_80012625的博客
10-13 446
为了说明如何使用 -A、-B、-O和 -E参数控制比对得分，我们通过一个简单的例子来展示这些参数对比对结果的影响。假设我们有一个参考基因组序列（ref.fa）和一个读取序列（reads.fq），并希望调整比对得分参数来控制比对的准确性。
bioinfo train data
09-23
标题中的“bioinfo train data”可能指的是一个与生物信息学相关的训练数据集，可能是用于机器学习或深度学习模型的构建，以解决生物学问题。在这个场景下，“train”通常意味着这是模型训练所用的数据。 标签...
coursera-ucsd-bioinfo-3
02-24
运行所有测试 pytest --cov=. --cov-report=html --cov-report=term-missing 在本课程中，我们将学习用于对齐不同序列的算法 第一周 路线问题转化为“曼哈顿旅游”问题，即在矩形网格图中找到一条路径，该路径可以...
bioInfo:生物信息学项目
06-04
在"bioInfo"项目中，开发者可以学习如何利用Java来处理大规模基因序列数据，进行基因组比对，以及构建生物信息学算法。这涉及到诸如序列分析、进化树构建、基因预测等核心概念。 首先，对于序列分析，Java可以用于...
Assignment3_BioInfo2021:BioInfo作业3的存储库-Josh＆Federico
04-07
标题中的"Assignment3_BioInfo2021:BioInfo作业3的存储库-Josh＆Federico"表明这是一个关于生物信息学的课程作业，由Joshua Martin和Federico Lionetti共同完成，主题可能涉及生物信息学中的数据处理或分析。...
apostila_bioinfo:生物信息示范典范
03-18
《生物信息学典范：apostila_bioinfo》 生物信息学是一门综合生物学、计算机科学、统计学和数学的交叉学科，它利用计算机技术来处理和解析生物学数据，特别是基因和蛋白质序列数据。本资源“apostila_bioinfo”为...
BWA-MEM——基于BWT-FM索引的三代序列比对算法
david393的博客
10-02 1844
本文介绍了三代序列比对算法BWA-MEM（基于BWT-FM索引）的主要思想
用BWA进行序列比对
wangprince2017
06-05 2678
BWA，即Burrows-Wheeler-Alignment Tool。BWA 是一种能够将差异度较小的序列比对到一个较大的参考基因组上的软件包。
生信软件26 - BWA-MEM比对算法性能更好的bwa-mem2
LittleComputerRobot的博客
07-13 1927
bwa-mem算法的下一个版本， 英特尔并行计算实验室的Vasimuddin Md和Sanchit Misra开发完成的，相比于bwa-mem速度快1.3-3.1倍。
BWA的使用
hs6605015的博客
10-01 6683
一、简介 BWA，即Burrows-Wheeler-Alignment Tool。BWA 是一种能够将差异度较小的序列比对到一个较大的参考基因组上的软件包。它由三个不同的算法： BWA-backtrack: 是用来比对 Illumina 的序列的，reads 长度最长能到 100bp。 BWA-SW: 用于比对 long-read ，支持的长度为 70bp-1Mbp；同时支持剪接性比对。 BWA-MEM: 推荐使用的算法，支持较长的read长度，同时支持剪接性比对（split alignments)，但是B
全外显子测序分析流程2 - BWA-MEM比对到参考基因组与BAM统计
LittleComputerRobot的博客
07-02 412
BWA-MEM比对到参考基因组与BAM统计
BWA mem中调整灵敏度和速度
2302_80012625的博客
10-13 1045
k：设置最小种子长度。默认值为 19，增加该值可以减少误配率，但也会减少比对的灵敏度。：Band width，默认值为 100，设置为更大的值可以找到更长的插入或缺失片段。-a：输出所有可能的比对，而不仅仅是最佳比对。好的，我们通过一个具体的序列比对示例来说明 -k和 -w参数的作用。假设我们有一个参考基因组序列（ref.fa）和一个读取序列（reads.fq）。我们希望使用将读取序列与参考基因组进行比对，并通过调整 -k和 -w参数来理解它们的影响。
野生动物目标检测数据集.zip
最新发布
05-15
数据集介绍：野生动物目标检测数据集 一、基础信息 数据集名称：野生动物目标检测数据集 图片数量： - 训练集：4,181张图片 - 验证集：1,212张图片 - 测试集：610张图片 总计：6,003张航拍及自然场景图片 分类类别： 涵盖23类野生动物，包括： - 濒危物种（北极熊、犀牛、熊猫） - 大型哺乳动物（大象、河马、长颈鹿） - 猛禽类（鹰、鹦鹉、企鹅） - 食肉动物（狮子、猎豹、美洲豹） - 草食动物（斑马、鹿、山羊） 标注格式： YOLO格式标注，包含边界框坐标与类别标签，适配主流目标检测框架。 数据特性： 航拍视角与地面视角相结合，包含动物群体活动和个体行为场景。 二、适用场景 生态保护监测系统： 构建野生动物种群识别系统，支持自然保护区自动监测动物迁徙和栖息地活动。 智能林业管理： 集成至森林巡护无人机系统，实时检测濒危物种并预警盗猎行为。 动物行为研究： 为科研机构提供标注数据支撑，辅助研究动物种群分布与行为特征。 自然纪录片制作： AI预处理工具开发，快速定位视频素材中的特定物种片段。 教育科普应用： 用于野生动物识别教育软件，支持互动式物种学习功能开发。 三、数据集优势 物种覆盖全面： 包含非洲草原系、极地系、森林系等23类特色动物，特别涵盖10种IUCN红色名录物种。 多场景适配： 整合航拍与地面视角数据，支持开发不同观测高度的检测模型。 标注质量可靠： 经动物学专家校验，确保复杂场景（群体/遮挡）下的标注准确性。 模型兼容性强： 原生YOLO格式可直接应用于YOLOv5/v7/v8等系列模型训练。 生态研究价值： 特别包含熊科动物（棕熊/北极熊/熊猫）细分类别，支持濒危物种保护研究。
ubuntu22.04安装bwa
04-19
<think>好的，我现在需要在Ubuntu 22.04上安装BWA工具。首先，我应该回忆一下BWA是什么。BWA是Burrows-Wheeler Aligner的缩写，主要用于基因序列比对，是生物信息学中常用的工具之一。用户可能是在进行基因组数据分析，比如处理测序数据时需要用到比对步骤。 接下来，我需要确定在Ubuntu系统上安装软件的常用方法。通常有几种方式：通过apt包管理器直接安装，从源代码编译安装，或者使用conda这样的包管理工具。用户可能希望选择最简单快捷的方式，所以先考虑apt安装。 首先检查系统是否已经添加了正确的软件源。Ubuntu的官方仓库通常包含一些生物信息学软件，但版本可能不是最新的。运行`sudo apt update`更新软件包列表，然后尝试`apt search bwa`看看是否有可用的包。如果有的话，直接使用`sudo apt install bwa`安装。但有可能仓库中的版本较旧，这时候用户可能需要从源码编译安装以获得最新版本。 如果通过apt安装的版本不符合需求，用户需要从源代码编译。这通常包括下载源代码，解压，然后使用make命令编译。需要确保系统已经安装了必要的编译工具，比如gcc、make等，以及zlib库，因为BWA依赖这些。可以使用`sudo apt install build-essential zlib1g-dev`来安装这些依赖项。 然后，从BWA的GitHub仓库或官方网站下载最新的源代码。使用wget或git clone获取源码包，解压后进入目录，执行make命令进行编译。编译成功后，生成的可执行文件应该位于当前目录，可以将其复制到系统的PATH路径下，比如/usr/local/bin，这样可以在任何位置运行bwa命令。 另外，考虑到用户可能使用conda环境，特别是如果他们在处理其他生物信息学工具时可能已经配置了conda。通过conda安装可以避免系统范围的安装，方便管理不同版本的软件。用户可以创建或激活一个conda环境，然后运行`conda install -c bioconda bwa`来安装。 在安装完成后，验证安装是否成功，可以运行`bwa`命令查看帮助信息，或者执行`bwa index`等子命令测试基本功能。同时，提醒用户可能需要参考BWA的官方文档或教程来正确使用该工具，特别是在参数设置和数据处理方面。 用户可能还关心如何更新BWA，如果是通过apt安装的，可以使用`sudo apt upgrade`来更新；而源码安装则需要重新下载最新版本并编译。对于conda安装，使用`conda update bwa`即可。 最后，考虑到用户可能是在学术或研究环境中使用，可能需要处理大量的基因组数据，建议他们确保系统有足够的内存和存储空间，并且了解如何高效地运行BWA，比如使用多线程参数来加速比对过程。同时，可以推荐一些相关的工具或教程，比如SAMtools用于处理比对后的文件，或者GATK用于后续的变异检测，帮助他们构建完整的工作流程。</think>### 在 Ubuntu 22.04 上安装 BWA 的步骤 BWA（Burrows-Wheeler Aligner）是基因组序列比对的核心工具，适用于二代测序数据的比对分析。以下是两种常用安装方法： --- #### **方法1：通过 `apt` 包管理器安装（简单快捷，但版本可能较旧）** 1. **更新软件包列表**： ```bash sudo apt update ``` 2. **安装 BWA**： ```bash sudo apt install bwa ``` 3. **验证安装**： ```bash bwa # 查看帮助信息，若显示版本和用法则安装成功 ``` --- #### **方法2：从源码编译安装（获取最新版本）** 1. **安装编译依赖**： ```bash sudo apt install build-essential zlib1g-dev ``` 2. **下载源码并解压**： ```bash wget https://github.com/lh3/bwa/releases/download/v0.7.17/bwa-0.7.17.tar.bz2 tar -xjvf bwa-0.7.17.tar.bz2 cd bwa-0.7.17 ``` 3. **编译并安装**： ```bash make sudo cp bwa /usr/local/bin/ # 将可执行文件复制到系统路径 ``` 4. **验证安装**： ```bash bwa # 检查是否显示帮助信息 ``` --- #### **方法3：通过 Conda 安装（推荐管理多环境）** 1. **安装 Miniconda（若未安装）**： ```bash wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh bash Miniconda3-latest-Linux-x86_64.sh ``` 2. **创建并激活环境**： ```bash conda create -n bioinfo conda activate bioinfo ``` 3. **安装 BWA**： ```bash conda install -c bioconda bwa ``` --- ### **使用示例** ```bash # 构建参考基因组索引 bwa index reference.fasta # 执行比对（示例命令） bwa mem reference.fasta read1.fq read2.fq > output.sam ``` --- ### **相关问题** 1. BWA 比对算法（如 BWA-MEM 和 BWA-backtrack）的区别及适用场景？ 2. 如何优化 BWA 在多线程环境下的运行效率？ 3. BWA 生成的 SAM 文件如何转换为 BAM 并进行排序？ 4. 在宏基因组分析中，BWA 如何与其他工具（如 SAMtools、GATK）配合使用？[^1][^2] --- ### **参考建议** - 若需处理大规模数据，建议结合 `samtools` 进行后续处理[^1]。 - 对于微生物组分析，可参考宏基因组数据库和流程优化方法[^2][^3]。 - 使用云服务器或高性能计算集群时，注意资源配置与任务调度[^3]。
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值