BWA使用说明

bwa的使用需要两个 输入文件 ：
    Reference genome data 和  Short reads data 

step 1: 建立 Index

根据reference genome data 建立 Index File

bwa index -a bwtsw reference.fa

构建索引时需要注意的问题：bwa构建索引有三种算法，三种算法都是基于BWT的，这三种算法通过参数-a is 、－a div和-a bwtsw进行选择。其中-a bwtsw对于短的参考序列是不工作的，必须要大于等于10Mb；-a is（效果和-a div是一样的）是默认参数，这个参数不适用于大的参考序列，必须要小于等于2G。

step 2: 寻找 SA coordinates

如果是 pair-end 数据（read_1.fq和read_2.fq）两个文件分别处理

bwa aln reference.fa read_1.fq > read_1.sai

    bwa aln reference.fa read_2.fq > read_2.sai

如果是 single 数据（read.fq）

    bwa aln reference.fa read.fq > read.sai
如果希望多线程运行，在其中加入 -t这个参数，另外-f这个参数可以指定结果输出文件，如:

    bwa aln  -t 3 -f read.sai reference.fa read.fq

主要参数说明：

-o int：允许出现的最大gap数。

-e int：每个gap允许的最大长度。

-d int：不允许在3’端出现大于多少bp的deletion。

-i int：不允许在reads两端出现大于多少bp的indel。

-l int：Read前多少个碱基作为seed，如果设置的seed大于read长度，将无法继续，最好设置在25-35，与-k 2 配合使用。

-k int：在seed中的最大编辑距离，使用默认2，与-l配合使用。

-t int：要使用的线程数。

-R int：此参数只应用于pair end中，当没有出现大于此值的最佳比对结果时，将会降低标准再次进行比对。增加这个值可以提高配对比对的准确率，但是同时会消耗更长的时间，默认是32。

-I int：表示输入的文件格式为Illumina 1.3+数据格式。

-B int：设置标记序列。从5’端开始多少个碱基作为标记序列，当-B为正值时，在比对之前会将每个read的标记序列剪切，并将此标记序列表示在BC SAM 标签里，对于pair end数据，两端的标记序列会被连接。

-b ：指定输入格式为bam格式。

step 3:转换SA coordinates输出为sam
如果是pair-end数据

    bwa sampe -f pair-end.sam reference.fa read_1.sai read_2.sai read_1.fq read_2.fq

如果是single reads数据
    bwa samse -f single.sam reference.fa read.sai read.fq

主要参数说明：

-a int：最大插入片段大小。

-o int：pair end两reads中其中之一所允许配对的最大次数，超过该次数，将被视为

single end。降低这个参数，可以加快运算速度，对于少于30bp的read，建议降低-o值。

-r str：定义头文件。同single end。

-n int：每对reads输出到结果中的最多比对数

 

其他：

fai是对ref基因组文件建的索引，方便软件快速随机读取基因组序列
sai是将fastq比对后出来的文件，用于最后输出比对结果sam文件的

官方文档

http://www.bbioo.com/lifesciences/40-113315-1.html
http://bio-bwa.sourceforge.net/bwa.shtml