statgen/alignment

statgen/alignment镜像说明

镜像概述

本Docker镜像封装了生物信息学中序列比对的完整流程，集成samtools、bwa、samblaster等常用工具，用于基因组数据的预处理、比对和后处理，帮助用户快速完成序列比对任务。

核心功能

1. 预处理（Pre-align）：对输入BAM文件进行过滤、排序、转换为FastQ格式，为后续比对做准备。
2. 比对（Align）：使用BWA mem工具进行序列比对，生成CRAM格式的比对结果。
3. 后处理（Post-align）：对CRAM文件进行排序、合并、去重，输出高质量的最终比对结果。

使用场景

适用于基因组学研究、生物信息分析项目，如全基因组测序数据处理、目标区域测序数据比对、转录组序列分析等场景。

配置说明

需准备以下文件并替换命令中的变量：

• ref_path：参考基因组文件路径
• local_input_file：输入BAM文件路径
• pre_output_base：预处理输出文件前缀
• dbsnp_path：dbSNP数据库文件路径

Docker部署示例

预处理步骤示例

bash
docker run -v $(pwd)/input:/input -v $(pwd)/output:/output statgen/alignment bash -c "
samtools view -uh -F 0x900 /input/input.bam \
  | bam-ext-mem-sort-manager squeeze --in -.ubam --keepDups --rmTags AS:i,BD:Z,BI:Z,XS:i,MC:Z,MD:Z,NM:i,MQ:i --out -.ubam \
  | samtools sort -l 1 -@1 -n -T /output/pre_output.samtools_sort_tmp - \
  | samtools fixmate - - \
  | bam-ext-mem-sort-manager bam2fastq --in -.bam --outBase /output/pre_output --maxRecordLimitPerFq 20000000 --sortByReadNameOnTheFly --readname --gzip
"

比对步骤示例

bash
docker run -v $(pwd)/input:/input -v $(pwd)/output:/output -v $(pwd)/ref:/ref statgen/alignment bash -c "
ref_path=/ref/hs38DH.fa
pre_output_base=/output/pre_output
tail -n +2 ${pre_output_base}.list | while read line; do
  line_rg=\$(echo \$line | cut -d ' ' -f4- | sed -e 's/ /\\\t/g')
  input_path=\$(echo \$line | cut -f2 -d ' ')
  input_filename=\$(basename \$input_path)
  output_filename=\$(basename \$input_filename \".fastq.gz\").cram
  paired_flag=\"\"
  if [[ \$input_filename =~ interleaved\.fastq\.gz\$ ]]; then paired_flag=\"-p\"; fi
  bwa mem -t32 -K100000000 -Y \${paired_flag} -R \"\$line_rg\" \$ref_path \$input_path | samblaster -a --addMateTags | samtools view -@32 -T \$ref_path -C -o /output/\$output_filename -
done
"

后处理步骤示例

bash
docker run -v $(pwd)/input:/input -v $(pwd)/output:/output -v $(pwd)/ref:/ref statgen/alignment bash -c "
input_dir=/input
ref_path=/ref/hs38DH.fa
dbsnp_path=/ref/dbsnp.vcf.gz
rc=0
for input_file in \${input_dir}/*.cram; do
  tmp_prefix=\${input_file%.cram}.tmp
  samtools sort --reference \$ref_path --threads1 -T \$tmp_prefix -o \${input_file%.cram}.sorted.bam \$input_file
  rc=\$?; [[ \$rc !=0 ]] && break
  rm -f \$input_file \${tmp_prefix}*
done
if [[ \$rc ==0 ]]; then
  samtools merge --threads1 -c \${input_dir}/merged.bam \${input_dir}/*.sorted.bam && rm \${input_dir}/*.sorted.bam && \
  bam-non-primary-dedup dedup_LowMem --allReadNames --binCustom --binQualS 0:2,3:3,4:4,5:5,6:6,7:10,13:20,23:30 --log \${input_dir}/dedup_lowmem.metrics --recab --in \${input_dir}/merged.bam --out -.ubam --refFile \$ref_path --dbsnp \$dbsnp_path | \
  samtools view -h -C -T \$ref_path -o \${input_dir}/output.cram --threads1
  rc=\$?
fi
"