BWA/BWT 比對軟件

 

名稱   

      bwa –   Burrows-Wheeler  Alignment Tool

內容
摘要
描述
命令行與選項
SAM 比對格式
短序列比對注意事項
  比對精確性
  估計插入大小分布
  內存需求
  速度
Bwa-0.6中的改變
其他
作者
引用與授權
歷史

摘要

b w a   i n d e x   r e f . f a
b w a   m e m   r e f . f a   r e a d s . f q   >   a l n - s e . s a m
b w a   m e m   r e f . f a   r e a d 1 . f q   r e a d 2 . f q   >   a l n - p e . s a m
b w a   a l n   r e f . f a   s h o r t _ r e a d . f q   >   a l n _ s a . s a i
b w a   s a m s e   r e f . f a   a l n _ s a . s a i   s h o r t _ r e a d . f q   >   a l n - s e . s a m
b w a   s a m p e   r e f . f a   a l n _ s a 1 . s a i   a l n _ s a 2 . s a i   r e a d 1 . f q   r e a d 2 . f q   >   a l n - p e . s a m

b w a   b w a s w   r e f . f a   l o n g _ r e a d . f q   >   a l n . s a m

描述

 BWA是用於將低分叉序列比對到大的參考基因組比如人基因組的軟件包。BWA主要是由三種算法組成：BWA-backtrack，BWA-SW和BWA-MEM。第一個算法是針對於illumina測序reads最多100bp的算法。后面兩個主要是針對於從70bp到1Mbp的更長序列。BWA-MEM和BWA-SW擁有一些相同的特征例如 長reads支持和 序列分開模式。但是相對而言，更加推薦更新的BWA-MEM，因為可以更快和更准確在更高質量上比對。BWA-MEM相比較BWA-backtrack在70-100bp illumina reads上有更好的性能。
 對於所有的三種算法，BWA首先序列針對於參考基因組構建FM-index。（index命令）。針對於不同的算法接下來使用命令行：aln/samse/sampe 對於BWA-backtrack。bwasw對於BWA-SW和mem對於BWA-MEM算法。

命令行與選項

 Index  

b w a   i n d e x   [ - p   p r e f i x ]   [ - a   a l g o T y p e ]   < i n . d b . f a s t a >

index數據庫序列以FASTA格式。

選項

-p STR   輸出數據庫的前綴[與db 文件名相同]

-a STR   算法用於構建BWT  index。可以使用的選項：

      is   IS線性時間算法用於構建suffix array。需要5.37N內存，N是數據庫的大小。IS算法相對較快，但是無法處理數據庫大於2GB的數據。因為IS算法比較簡單，作為默認值。目前IS算法的腳本由Yuta Mori從新植入。

      Bwtsw  BWT-SW中使用的算法。這個算法主要是針對於人類基因組。

    mem   b w a   m e m   [ - a C H M p P ]   [ - t   n T h r e a d s ]   [ - k   m i n S e e d L e n ]   [ - w   b a n d W i d t h ]   [ - d   z D r o p o f f ]   [ - rs e e d S p l i t R a t i o ]   [ - c   m a x O c c ]   [ - A   m a t c h S c o r e ]   [ - B   m m P e n a l t y ]   [ - O   g a p O p e n P e n ]   [ - Eg a p E x t P e n ]   [ - L   c l i p P e n ]   [ - U   u n p a i r P e n ]   [ - R   R G l i n e ]   [ - v   v e r b o s e L e v e l ]   d b . p r e f i xr e a d s . f q   [ m a t e s . f q ]

           BWA-MEM 算法比對70bp-1Mbp的輸入序列。簡要的說，算法主要是通過最大精確匹配作為種子比對，然后基於Smith-Waterman算法進行仿射空位罰分。

           如果mate.fq文件是缺失的和選項-p並未設置。這個命令說明數據為單端測序。如果mates.fa存在，命令行假設reads.fq的第i行與mates.fq的第i行形成read對。如果-p被使用，命令行假設reads.fq的2i行和2i+1行形成read對。這類文件被稱為interleaved。在這種例子中，mates.fq文件被忽略。在paired-end 模式中，mem命令行會推斷從一批reads中推斷reads的方向和插入大小的分布。

選項

 -t  INT  線程數目

 -k  INT  最小種子長度。少於INT的匹配將會被忽略。匹配的速度通常對於這個值不敏感，除非明顯偏離20.  [19]

  -w  INT  空值寬度。必要的說，gaps長於INT將不會被發現。需要注意最大gap長度同時受到評分矩陣和hit長度所影響。並不只由這個選項確定。[100]

 -d  INT  off-diagonal-X-dropoff （z-dropoff）。如果最好和目前的延伸分數差距大於 |i-j|*A+INT，將停止延伸，其中i和j是被比對和參考基因組中的位置。A是匹配得分。Z-dropoff 類似於BLAST 中的X-dropoff，除了該算法中並沒有空格罰分。Z-dropoff不僅避免了不必要的延伸，同時減少了在較差的延伸比對中的比對。 [100]

 -r  FLOAT 引發長度大於minSeedLen *FLOAT的重新搜索。這是啟發式算法調節算法性能的關鍵參數。更大的值產生更少的seeds，導致更快的比對速度但是更低的准確性。[1.5]

   -c  INT 丟棄大於INT出現次數的MEM。這是一個不敏感參數。

 -p  在paired-end 模式中，運行SW搜索得到缺失的命中。

 -A   INT  匹配得分。 [1]

 -B   INT 錯配得分。序列的錯誤率估計方法：

     {0.75*exp[-log(4)*B/A]}.    [4]

 -o   INT  空值罰分。 [-6]

 -E   INT  空值延伸罰分。一個長度為K 的罰分為 O+K*E

 -L   INT           裁剪罰分。

-U INT  對於未配對read對罰分。對於未配對的read對BWA—MEM以scoreRead1+scoreRead2-INT進行評分。評分scoreRead1+scoreRead2-insertPenalty。比較這兩種評分從而確定是否應該強制配對。 [9]

-p   假設第一個輸入文件為interleaved 配對FASTA\Q文件。

-R STR 完成read group header行 ’\t‘可以在字符串中使用，將會在SAM文件中轉換成SAM文件。read group ID也會附在輸出文件每一個reads中。   【null】

-T INT 不要輸出比對分數低於INT的比對。這個結果只影響最終結果。 【30】

-a 輸出所有的比對以單端或未配對雙端測序方式。

-c 將FASTA/Q的comment 追加到SAM輸出中。選項可以將reads meta信息轉移到SAM輸出。注意FASTA/Q comment必須符合SAM特定要求。不正確的格式將導致不爭取的SAM輸出。

-H  使用大寫H在SAM輸出文件中，這個選項可以顯著的減少輸出文件的復雜度。當比對長或Bac序列時。

-M 標記短split hit為第二個。

-v INT 控制輸出的冗長程度。這個選項並未在BWA完全被支持。理想的，值0 表示不輸出到stderr。1表示只輸出error。2表示warning和errror。3表示所有信息。4表示對於debug的更高信息。當選項是4時候，輸出並不是SAM。 [3]