mgibio/bam-merge

镜像概述

该Docker镜像集成了Sambamba和Picard两款生物信息学工具，专门用于BAM（Binary Alignment Map）文件的合并操作。Sambamba提供高效的BAM文件处理能力，支持并行计算；Picard则提供标准化的BAM文件处理流程，确保数据格式的一致性和准确性。两者结合，为基因组学研究和生物信息学分析中的BAM文件合并任务提供可靠、高效的解决方案。

核心功能和特性

• 集成工具：包含Sambamba和Picard两款主流BAM文件处理工具
• 高效处理：Sambamba支持多线程并行处理，显著提升大文件合并效率
• 标准化流程：Picard遵循Broad Institute的最佳实践，确保BAM文件合并后的格式正确性和兼容性
• 广泛兼容：支持各种标准BAM文件格式，适用于不同测序平台产生的数据

使用场景和适用范围

• 基因组学研究中多个样本BAM文件的合并
• 全外显子测序（WES）或全基因组测序（WGS）数据的批量处理
• 生物信息学分析流程中BAM文件的整合与预处理
• 需要标准化BAM文件格式的科研或临床数据分析场景

使用方法和配置说明

基本使用（Docker Run）

使用Sambamba合并BAM文件：

bash
docker run -v /path/to/local/bam:/data sambamba-picard-bam-merge \
  sambamba merge /data/merged.bam /data/input1.bam /data/input2.bam [other input BAM files]

使用Picard合并BAM文件：

bash
docker run -v /path/to/local/bam:/data sambamba-picard-bam-merge \
  picard MergeSamFiles \
  INPUT=/data/input1.bam \
  INPUT=/data/input2.bam \
  OUTPUT=/data/merged.bam \
  SORT_ORDER=coordinate \
  VALIDATION_STRINGENCY=SILENT

参数说明

• Sambamba merge参数：

  • 输入BAM文件：可指定多个待合并的BAM文件路径
  • 输出BAM文件：指定合并后的BAM文件路径
  • --threads：指定并行处理线程数（默认使用所有可用核心）

• Picard MergeSamFiles参数：

  • INPUT：待合并的BAM文件路径（可多次指定）
  • OUTPUT：合并后的BAM文件路径
  • SORT_ORDER：输出文件的排序方式（如coordinate、queryname等）
  • VALIDATION_STRINGENCY：数据验证严格程度（SILENT/STRICT/LENIENT）
  • MERGE_SEQUENCE_DICTIONARIES：是否合并序列字典（默认false）

注：使用时需通过-v参数将本地BAM文件目录挂载到容器内的/data目录，确保工具可访问输入文件并输出结果。