mgibio/mark_duplicates-cwl

sambamba-picard Docker镜像文档

镜像概述

本Docker镜像集成了sambamba和picard两款生物信息学工具，旨在为CWL（Common Workflow Language）工作流提供标准化的运行环境，支持高通量测序数据的处理与质量控制。

核心功能与特性

集成工具

• sambamba：高效的BAM/CRAM文件处理工具，支持排序、索引、标记重复、统计coverage等操作，基于htslib开发，性能优于传统samtools。
• picard：Java编写的高通量测序数据处理工具集，提供格式转换（如SAM/BAM/CRAM互转）、质量控制（如标记重复、计算插入大小分布）、元数据处理等功能。

使用场景与适用范围

• 生物信息学数据分析流程，尤其是基于CWL规范的工作流
• BAM/CRAM文件的常规处理（排序、索引、去重等）
• 高通量测序数据的质量控制与格式标准化
• 基因组学、转录组学等领域的测序数据下游分析

使用方法与配置说明

基本使用（Docker Run）

查看sambamba版本

bash
docker run --rm docker.xuanyuan.run/sambamba-picard sambamba --version

查看picard版本

bash
docker run --rm docker.xuanyuan.run/sambamba-picard picard --version

运行sambamba标记重复（示例）

bash
docker run --rm -v /path/to/input:/input -v /path/to/output:/output \
  docker.xuanyuan.run/sambamba-picard sambamba markdup \
  -r /input/input.bam \
  /output/output.markdup.bam

运行picard计算插入大小（示例）

bash
docker run --rm -v /path/to/input:/input -v /path/to/output:/output \
  docker.xuanyuan.run/sambamba-picard picard CollectInsertSizeMetrics \
  I=/input/input.bam \
  O=/output/insert_size_metrics.txt \
  H=/output/insert_size_histogram.pdf

CWL工作流中使用示例

yaml
# sambamba_markdup.cwl
cwlVersion: v1.0
class: CommandLineTool
baseCommand: sambamba
arguments: [markdup, -r]
inputs:
  input_bam:
    type: File
    inputBinding:
      position: 1
  output_bam:
    type: string
    inputBinding:
      position: 2
outputs:
  marked_bam:
    type: File
    outputBinding:
      glob: $(inputs.output_bam)
requirements:
  DockerRequirement:
    dockerPull: sambamba-picard

数据挂载说明

• 通过-v参数挂载本地数据目录至容器内，确保输入文件可访问且输出文件可持久化
• 建议将输入数据挂载至/input，输出目录挂载至/output以保持路径规范

注意事项

• 运行工具时需确保输入文件路径正确，且容器对挂载目录有读写权限
• 部分picard工具需要Java运行环境，镜像已内置Java，无需额外配置
• 对于大文件处理，建议为容器分配足够的内存资源（通过--memory参数）