比对软件
来啦@-@，今天给各人分享一下几款小编常用的比对软件
Bwa
适用范畴：二代测序数据快速比对到genome上。bwa做为序列比对界的形式软件，短小精悍，适用于多种场所，很有需要搞懂他内部的比对算法，更好也搞懂它是若何实现的。
成立索引：
bwa index in.fasta索引成立好之后会生成五个文件，后缀别离是：
bwt,pac,ann,amb,sa常见比对号令：
BWA-backtrack：illumina reads比对，最长撑持100bp（aln/samse/sampe） bwa aln ref.fa R1.fq > aln1_sa.sai bwa aln ref.fa R2.fq > aln2_sa.sai bwa sampe ref.fa aln_sa1.sai aln_sa2.saiR1.fq R2.fq > aln-pe.sam BWA-SW：long-read比对，长度为70bp-1Mbp；撑持剪切性比对（bwasw） bwa bwasw ref.fa R1.fq R2.fq > aln-pe.sam BWA-MEM：最新，最常用，同SW，但更准更快，与backtrack比拟在70-100bp更具性能优势（mem） bwa mem ref.fa R1.fq R2.fq > aln-pe.samBowtie/Bowtie2
适用范畴：将短序列拼接至模板基因组。
Bowtie在拼接35碱基长度的序列时，能够到达每小时2.5亿次的拼接速度。Bowtie并非一个简单的拼接东西，它差别于Blast等。它合适的工做是将小序列比对至大基因组上去。它最长能读取1024个碱基的片段。换言之，bowtie十分合适下一代测序手艺。
Bowtie2 是将测序reads与长参考序列比对东西。适用于将长度大约为50到100或1000字符的reads与相对较长的基因组（如哺乳动物）停止比对。Bowtie2利用FM索引（基于Burrows-Wheeler Transform 或 BWT）对基因组停止索引，以此来连结其占用较小内存。关于人类基因组来说，内存占用在3.2G摆布。Bowtie2 撑持间隔，部分和双端对齐形式。能够同时利用多个处置器来极大的提拔比对速度。若是目标是与相对较短的参考序列（如细菌基因组）十分灵敏的比对，能够利用Bowtie 2完成，但您可能需要考虑利用NUCmer，BLAT或BLAST等东西。当参考基因组很长时，那些东西可能会十分迟缓，但当参考基因组很短时凡是就足够了。
成立索引：
bowtie2-build genome.fa genome_index bowtie2 -p 10 -x genome_index -1 input_1.fq -2 input_2.fq | samtools sort -O bam -@ 10 -o - > output.bam需要留意的是：genome_index 指的是用于bowtie2的索引文件，而不是参考基因组自己，构建过程参考后文。genome_index 需要指定途径及其共用文件名
RNA-seq比对软件
RNA测序其实不能间接利用DNA测序常用的BWA、Bowtie等比对软件，那是因为实核生物内含子的存在，招致测到的reads其实不与基因组序列完全一致，因而需要利用Tophat/HISAT/STAR等专门为RNA测序设想的软件停止比对。
**01 Tophat2**
能够说是最被公认的RNA测序比对软件(现实上是在DNA比对软件Bowtie的根底上做了一个壳,tophat挪用bowtie，tophat2挪用bowtie2)。
**02 HISAT2**
在Tophat的算法根底了上做了大量的改良，并且克制了Tophat更大的缺点——速度慢(HISAT2既能做RNA-seq也能做DNA-seq)。
①Hisat是一种高效的RNA-seq尝试比对东西
②它利用了基于BWT和Ferragina-manzini (Fm) index 两种算法的索引框架
③利用了两类索引去比对，一类是全基因组范畴的FM索引来锚定每一个比对，另一类是大量的部分索引对那些比对做快速的扩展
成立索引,它的索引就会以genome定名，以*.ht2结尾
hisat2-build -f ref.fasta genome -p 10
而碰到一些大的基因组的时候我们需要用到一个号令参数--large-index，强迫要求产生的索引为‘large’
线程数比对根本的用法：
hisat2 [options]* -x <ht2-idx> {-1 <m1> -2 <m2> | -U <r>} [-S <sam>] hisat2 -x genome -1 ./data/kce/kce_L4_383X83.R2.fastq.gz -2 ./data/kce/kce_L4_383X83.R2.fastq.gz -S test.sam
**03 STAR**
STAR （Spliced Transcripts Alignment to a Reference），用于将测序的 Read 对齐到参考基因组的比对软件，常用于 RNAseq。因其具有较高的准确率，映射速度较其他比对软件高 50 多倍，因而做为 ENCODE 项目标御用 pipeline 东西。它需要占用大量内存，对计算资本有较高的要求。STAR 的默认参数针对哺乳动物基因组停止了优化.
成立索引：
STAR --runMode genomeGenerate \ --runThreadN 50 \ --genomeDir ./hg38_index \ --genomeFastaFiles ./genome.fa \ --sjdbGTFfile ./genes.gtf \ --sjdbOverhang 99参数：
–runMode genomeGenerate：基因组生成形式 –runThreadN：启用线程数 –genomeDir：索引输出途径 –genomeFastaFiles：参考基因组途径 –sjdbGTFfile：参考基因组正文文件 –sjdbOverhang：关于差别长度的读取，抱负值为--sjdbOverhangmax(ReadLength)-1。在大大都情况下，默认值 100 与抱负值类似。STAR 比对：
STAR --outSAMtype BAM SortedByCoordinate \ --runThreadN 20 \ --genomeDir ./hg38_index \ --readFilesIn seq_data_1.fastq seq_data_2.fastq \ --outFileNamePrefix ./seq_data参数：
–runThreadN：启用线程数 –genomeDir：索引途径 –readFilesIn：输入 fastq 的文件途径 –outSAMtype BAM SortedByCoordinate：输出排序的 bam 文件 –outFileNamePrefix：输出文件前缀**04 MapSplice**
TCGA利用的比对软件。
**05 RSEM**
RSEM更像一个软件包而不是一个比对软件，可以供给从比对到计算差别表达的所有步调，因为不需要本身写代码串联差别软件生成的数据格局，因而用起来比力省时省力，值得留意的是，TCGA利用MapSplice比对后再用RSEM计算表达量，并没有间接只用RSEM原拆的Bowtie的比对成果。
①比对软件（RNA-SEQ比对到参考基因组上）：bowtie2 tophat hista2 star
②不需要比对（伪比对，基于成立好的参考转录组）：sailfish kallsto salmon
③组拆与定量：stringtie cufflink RSEM
性能比力：
①tophat与Hista2算法类似，但是tophat已经不再维护，且比对速度方面，Hista2 显著高于 tophat。STAR与Hista2类似。
②Ballgown在差别阐发方面比cuffdiff更高的特异性及准确性，且时间消耗不到cuffdiff的千分之一
③Bowtie2+eXpress做量量控造优于tophat2+cufflinks和bowtie2+RSEM
长片段比对软件
01 Minimap2
Minimap2是针关于三代测序数据停止比对的东西，minimap2的优势是速度快，并且传闻比对的成果也比力不错；缺点呢，就是消耗内存。根本用法如下：
成立索引：
minimap2 -d co92.min co92.fna比对：
minimap2 -ax map-pb azyz.genome.fasta azyz.flnc.fasta > aln.sam分类：五大类，索引（Indexing），回帖（Mapping），比对(Alignment),输入/输出（Input/Output）,预设值（Preset）。
-x ：十分中要的一个选项，软件预测的一些值，针对差别的数据选择差别的值 map-pb/map-ont: pb或者ont数据与参考序列比对； ava-pb/ava-ont: 寻找pd数据或者ont数据之间的overlap关系； asm5/asm10/asm20: 拼接成果与参考序列停止比对，合适~0.1/1/5% 序列不合度； splice: 长reads的切割比对 sr: 短reads比对 -d :创建索引文件名 -a ：指定输出格局为sa格局，默认为PAF -Q ：sam文件中不输出碱基量量 -R ：reads Group信息，与bwa比对中的-R一致 -t：线程数，默认为302 ngmlr
NextGenMap-LR(ngmlr)次要用于三代测序的长reads与参考基因组的比对。NGMLR是一款为长reads设想的快速且高精度的停止比对的软件，它是基于NGM开发的，该软件扩展了segmented convex gap-cost scoring model来适应高错误率的长reads比对。
根本用法：
ngmlr -r ucsc.hg19.fasta -q XXX.fastq -o YYY.bam下图是几款软件的比力：
能够看出minimap2表示是非常优良的。
