BWA MEM比对人类参考基因组详解

        在获得下机数据后，做的第一步是质控。质控工具有很多，这里就不做一一介绍了。这里讲如何使用BWA MEM将质控合格的数据比对到参考基因组上。

        BWA是一款基于BWT的快速比对工具，其由三个算法组成。这三个算法分别是：BWA backtrack, BWA SW and BWA MEM。其中，BWA MEM是最新的，其更快更准确，更适合用于人重数据分析。对于上述三种算法，首先需要使用索引命令构建参考基因组的索引，用于后面的比对。所以，使用BWA整个比对过程主要分为两步，第一步建索引，第二步使用BWA MEM进行比对。BWA命令中参数众多，这里不一一讲解，只讲解最常用的几个，具体命令如下：

        建立索引：bwa index [-p prefix] [-a algoType]

        参数详解：ref.fa——参加基因组文件，作为输入文件；

                            p——输出文件前缀；

                            a——构建索引的算法；包括两个算法，分别是is和bwtsw。对于参考基因组文件大于2G的使用bwtsw算法，使用bwtsw算法必须保证参考基因组文件大小大于10M。

        比对：bwa mem -R '@RG\tID:foo\tSM:bar\tLB:library1'  >  lane.sam

        参数详解：R——设置reads标头，“\t”分割。 例如：’@RG\tID:foo\tSM:bar’；

                           t——设置线程数；

                           M——将较短的split hits标记为secondary，与picard兼容。

       下面是实现这些功能的代码：

        shell文件用于创建参考基因组的索引：

#! /bin/bash
echo "bwa index starts@"`date` && \
cd ref && \
bwa index -a bwtsw hg38.fa && \
echo "bwa index ends@"`date`

        shell文件用于比对：

#! /bin/bash
echo "bwa mem starts@"`date` && \
cd ref && \
bwa -t 12 -M -R '@RG\tID:foo\tSM:bar\tLB:library1' hg38.fa  reads1.fq reads2.fq > lane.sam && \
echo "bwa mem ends@"`date`