mmuddin2020/bcftools

高通量测序数据处理工具镜像（htslib 1.22/bcftools 1.22/samtools 1.22）

镜像概述

本Docker镜像集成了htslib 1.22、bcftools 1.22和samtools 1.22三款生物信息学核心工具。htslib作为底层库提供高效的高通量测序文件格式处理能力，samtools专注于SAM/BAM比对文件分析，bcftools则用于VCF/BCF变异数据处理。三者协同构成测序数据分析的基础工具链，广泛应用于基因组学、转录组学等研究领域。

核心功能与特性

htslib 1.22

• 支持SAM、BAM、CRAM、VCF、BCF等标准测序文件格式的底层I/O操作
• 提供高效的压缩/解压缩算法（bgzip、gzip）及索引功能（tabix、csi）
• 为samtools和bcftools提供统一的数据处理接口，确保工具间兼容性

samtools 1.22

• SAM/BAM/CRAM文件格式转换、排序与索引（samtools sort、samtools index）
• 比对质量控制与统计（samtools flagstat、samtools stats）
• 区域提取与过滤（samtools view -r、按MAPQ值筛选）
• 支持CRAM格式的高效存储与恢复

bcftools 1.22

• VCF/BCF文件格式转换、排序与索引（bcftools index、bcftools sort）
• 变异数据过滤与注释（bcftools filter、bcftools annotate）
• 统计分析与报告生成（bcftools stats、bcftools query）
• 支持大型变异数据集的流处理与并行计算

使用场景

• 全基因组/外显子组测序数据比对结果（BAM文件）的质控与预处理
• 变异检测流程（如GATK、FreeBayes）输出VCF文件的后处理与分析
• 单细胞RNA测序数据比对文件的格式转换与索引构建
• 生物信息学分析管道（Pipeline）的标准化部署与版本控制

使用方法

基础使用命令

通过挂载本地数据目录，在容器内执行工具命令：

bash
docker run --rm -v /本地数据路径:/data [镜像名称] [工具命令] [参数]

• --rm：容器退出后自动清理
• -v /本地数据路径:/data：将本地数据目录挂载至容器内/data目录（需替换为实际路径）
• [镜像名称]：Docker镜像的具体名称或ID
• [工具命令]：需执行的samtools/bcftools/htslib工具命令（如samtools view）

典型应用示例

1. BAM文件信息查看

bash
docker run --rm -v /path/to/your/data:/data [镜像名称] samtools view -H /data/sample.bam

• 功能：查看BAM文件头部信息，包含参考基因组、测序平台等元数据

2. BAM文件排序与索引

bash
docker run --rm -v /path/to/your/data:/data [镜像名称] bash -c "
  samtools sort /data/unsorted.bam -o /data/sorted.bam &&
  samtools index /data/sorted.bam
"

• 功能：将未排序BAM文件排序并构建索引，生成sorted.bam和sorted.bam.bai

3. VCF文件统计分析

bash
docker run --rm -v /path/to/your/data:/data [镜像名称] bcftools stats /data/variants.vcf.gz > /data/variants.stats

• 功能：生成VCF文件的变异统计报告，包含变异类型分布、质量值分布等信息

工具版本验证

确认容器内工具版本：

bash
docker run --rm [镜像名称] samtools --version
docker run --rm [镜像名称] bcftools --version
docker run --rm [镜像名称] htsfile --version  # 验证htslib版本

数据持久化说明

容器本身不存储数据，所有输入/输出文件需通过-v参数挂载本地目录实现持久化。建议将原始数据、中间结果和最终输出统一存放在本地指定目录，通过挂载路径在容器内访问。