prepare reference genome index

发表于 分类于

prepare reference genome index

原文日期: 2017-03-21
来源: https://github.com/wlz0726/wlz0726.github.io

参考基因组索引构建

BWA 索引

1
2
3
4
5
6
7
8
# 下载参考基因组
wget ftp://ftp.ensembl.org/pub/release-84/fasta/homo_sapiens/dna/Homo_sapiens.GRCh38.dna.primary_assembly.fa.gz

# 解压
gunzip Homo_sapiens.GRCh38.dna.primary_assembly.fa.gz

# 创建索引
bwa index -a bwtsw Homo_sapiens.GRCh38.dna.primary_assembly.fa

输出文件:

  • .amb - 模糊位点信息

  • .ann - 序列注释

  • .bwt - Burrows-Wheeler 转换

  • .pac - 压缩序列

  • .sa - 后缀数组

Bowtie2 索引

1
bowtie2-build reference.fasta index_prefix

HISAT2 索引

1
hisat2-build reference.fasta index_prefix

STAR 索引

1
2
3
4
5
6
STAR --runMode genomeGenerate \
     --genomeDir /path/to/index \
     --genomeFastaFiles reference.fasta \
     --sjdbGTFfile annotation.gtf \
     --sjdbOverhang 100 \
     --runThreadN 8

参数说明:

  • --sjdbOverhang: 读长 -1（如 101bp 读长设为 100）

  • --runThreadN: 线程数

注意事项

  1. 磁盘空间: 人类基因组索引约需 30-50GB

  2. 内存: STAR 索引需要约 30GB 内存

  3. 时间: 完整索引约需 1-4 小时

  4. 版本: 记录参考基因组版本（GRCh37/GRCh38）

验证索引

1
2
3
4
# BWA
bwa mem -t 4 reference.fasta reads.fastq | samtools view -c

# 应该输出比对上的 reads 数

此文档为 GitHub 博客自动归档