2023-04-06

将二代测序短 reads 比对到参考基因组上，并进行排序和去重复

的等处理，用于后续的变异检测。

part 1 软件和数据准备

软件：bwa samtools picard

文件准备：

参考基因组：genome.fasta

测序数据文件: S1_1.fq.gz 和 S1_2.fq.gz

part 2 构建基因组index

重测序很多软件不能直接读取基因组，需要对基因组构建index才能使用。

```{r setup, include=FALSE}

## samtools 建index

samtools faidx genome.fasta

## bwa 构建 index

bwa index  genome.fasta

## picard 构建index

java -jar  /opt/picard.jar CreateSequenceDictionary R=genome.fasta

```

#picard 生成：

genome.dict

#samtools 生成：

genome.fasta.fai

#bwa 生成

genome.fasta.amb

genome.fasta.ann

genome.fasta.bwt

genome.fasta.pac

genome.fasta.sa

part 3 比对

```

## step1,read比对并排序

bwa mem -t 2 \ # -t 线程数

-R '@RG\tID:S1\tSM:S1\tPL:illumina' \ #添加read group信息

genome.fasta \ # 参考基因组index路径

S1_1.fq.gz \ # fq1数据路径

S1_2.fq.gz \ # fq2数据路径

2>S1.bwa.log | \ # 比对日志

samtools \

sort -@ 2 \ # 线程数

-m 1G \ # 每个线程内存大小

-o S1.sort.bam - # -o 指定输出文件名称

```

```

## step2, 去除重复

java -Xmx4g -XX:ParallelGCThreads=2 -jar /opt/picard.jar \

MarkDuplicates I=S1.sort.bam \ # 输入文件名称

O=S1.sort.markdup.bam \ # 输出文件名称

CREATE_INDEX=true \ # 创建bam index文件

REMOVE_DUPLICATES=true \ # dup reads是否删除

M=S1.marked_dup_metrics.txt

```

```

##step3, 比对率统计

samtools flagstat S1.sort.bam > S1.sort.bam.flagstat

```

```

##step4, 覆盖度统计

samtools coverage S1.sort.bam > S1.sort.bam.coverage