3.2 序列比对、排序及标重

DNA序列比对是进行突变检测的基础，业界常用的短序列比对软件是BWA-MEM。gtx align 从头重新实现了BWA-MEM的算法，利用软件工程技术优化加速比对过程，与原版BWA相比，运行速度提升~2倍。

序列标重对每个样本识别实验环节人为引入的可能来自同一DNA模板的测序序列，这些序列不是独立观测到的，不能反映DNA文库的真实情况，对于来自同一冗余集的read序列，程序只会保留其中一条代表序列，将其余序列打上重复标记，这样后续突变检测时会自动忽略这些打上标记的序列。在这个阶段，read的比对记录需要按照参考基因组坐标进行排序，以方便后续其他预处理步骤。

gtx align 通过将比对，排序和标重整合成一条工作流，减少中间BAM文件的生成来节省程序运行时间。程序在排序和标重后会对比对结果进行简单质控，生成相应统计指标文件。

输入

参考基因组FASTA文件
FASTQ文件
FASTQ2文件（可选）

输出

按基因组位置排序后的BAM文件
比对统计文件
标重统计文件

示例命令

默认情况下, gtx align 优先采取精准BWA模式进行序列比对，因此选项 --bwa 自v2.0.0之后废弃。

gtx align \
  -t 4    \
  -R '@RG\tID:rgid\tSM:sample' \
  reference.fasta  \
  input.1.fq \
  input.2.fq

如需采用hash table index进行序列比对，您需将以下文件 reference.fasta, reference.fai, reference.tbl 放置到新的目录下。

mkdir -p /index/new_dir
ln -sf /path_of_ref/reference.fa  /index/new_dir
ln -sf /path_of_ref/reference.fai  /index/new_dir
gtx index --disable-bwa-index /index/new_dir/reference.fa  # create hash table index
gtx align -R '@RG\tID:id\t:SM:sample' \
   /index/new_dir/reference.fa \
   input.1.fq \
   input.2.fq

Alt-aware比对可以提升突变检测的准确性。如需进行alt-aware比对，您需要将SAM格式的alt索引文件 [reference].alt 文件放到reference相同目录下。

参数列表

-o: 输出BAM文件
-R: Read group信息，格式如’@RG\tID:foo\tSM:bar’
-A: 匹配得分，默认为1
-B: 错配罚分，默认为4
-O: gap开启罚分，默认为6
-E: gap扩展罚分，默认为1
-U: read不配对时的罚分，默认为17
-k: 最小种子序列长度，默认为19
-Y: 对supplementary比对采用柔性裁剪，保留原始序列信息
-M: Read为split比对时，将比对较短的记录标记为secondary比对
-C: 将FASTQ注释tag追加到SAM输出中
-t, --threads: 线程数，默认为CPU核数
-K: 每个数据块包含的碱基数目，默认为10000000
--bwa: BWA精准比对模式，该选项自v2.0.0后废弃
--bs-seq: 比对WGBS/RRBS数据，对于RRBS数据比对，请同时指定 --disable-mark-duplicate 参数
--disable-mark-duplicate: 禁用标记重复
--tmp-dir: 临时文件输出目录
-h: 打印帮助信息