BWA

Burrows-Wheeler Aligner (BWA) on tehokas ohjelma, joka kohdistaa suhteellisen lyhyitä nukleotidisekvenssejä pitkää viitesekvenssiä, kuten ihmisen genomia, vasten. Se toteuttaa kolme algoritmia: BWA-MEM (mem), BWA-Backtrack (aln) ja BWA-SW (bwasw). BWA-Backtrack toimii alle 200 emäsparin pituisten kyselysekvenssien kanssa. Kahta muuta algoritmia käytetään pidemmille luvuille aina noin 100 kbp:iin asti. BWA-MEM:iä suositellaan yli 70 bp:n pituisille luvuille. Kaikki algoritmit tekevät aukollisen kohdistuksen.

BWA:ta voidaan käyttää sekä yksittäispääteisten että paripääteisten lukujen kohdistamiseen viitegenomiin tai viitesekvenssijoukkoon.

BWA

Lisenssi

Vapaasti käytettävissä ja avointa lähdekoodia GNU GPLv3 -lisenssillä.

Saatavuus

Roihu: 0.7.19, bio-apps-moduulin kautta.

Käyttö

BWA on osa Roihun bio-apps -kokoelmaa. Lataa ensin bio-apps-moduulipuu ja sitten BWA-moduuli:

module load bio-apps/v202603
module load bwa/0.7.19

BWA-komentojen perussyntaksi on:

bwa <command> [options]

BWA-indeksit

Ensimmäinen vaihe BWA-kohdistuksessa on viitegenomin lataaminen ja sen indeksointi. Huomaa, että $HOME-hakemistosi on usein liian pieni kokonaisten genomien käsittelyyn; analyysi kannattaa tehdä sen sijaan projektisi scratch-hakemistossa.

Lataa viitegenomi (esimerkiksi wget-komennolla) scratch-hakemistoosi ja laske sille sitten BWA-indeksit:

bwa index -a bwtsw Homo_sapiens.GRCh38.dna.toplevel.fa

Huomaa, että pienille (alle 2 GB) viitegenomeille voit käyttää nopeampaa "is"-indeksointialgoritmia (bwa index -a is).

Yksittäispääteinen kohdistus

Kun indeksointi on valmis, voit tehdä yksittäispääteisten lukujen kohdistuksen komennolla:

bwa mem Homo_sapiens.GRCh38.dna.toplevel.fa reads.fastq > aln.sam

Jos haluat käyttää aln-algoritmia (BWA-Backtrack), kohdistus täytyy tehdä kahdessa vaiheessa.

Laske ensin varsinainen kohdistus:

bwa aln Homo_sapiens.GRCh38.dna.toplevel.fa reads.fastq > aln_sa.sai

Tulostiedosto on BWA:n omaa .sai-muotoa, jonka voit muuntaa SAM-muotoon bwa samse -komennolla:

bwa samse Homo_sapiens.GRCh38.dna.toplevel.fa aln_sa.sai reads.fastq > aln.sam

Paripääteinen kohdistus

Jos käytät MEM-algoritmia, voit tehdä paripääteisen kohdistuksen yhdellä komennolla:

bwa mem Homo_sapiens.GRCh38.dna.toplevel.fa read1.fq read2.fq > aln.sam

BWA-Backtrack-algoritmin tapauksessa sinun tulee ensin tehdä erillinen kohdistusajo kummallekin lukutiedostolle:

bwa aln Homo_sapiens.GRCh38.dna.toplevel.fa reads1.fq > aln1.sai
bwa aln Homo_sapiens.GRCh38.dna.toplevel.fa reads2.fq > aln2.sai

Nämä kaksi .sai-kohdistustiedostoa yhdistetään bwa sampe -komennolla:

bwa sampe Homo_sapiens.GRCh38.dna.toplevel.fa aln1.sai aln2.sai reads1.fq reads2.fq > aln.sam

Esimerkkieräajokomentosarja

BWA-ajot tulee suorittaa eräajoina. Alla on esimerkki eräajokomentosarjasta BWA-ajon suorittamiseen Roihussa:

#!/bin/bash
#SBATCH --job-name=bwa
#SBATCH --output=output_%j.txt
#SBATCH --error=errors_%j.txt
#SBATCH --account=<project>
#SBATCH --partition=small
#SBATCH --time=12:00:00
#SBATCH --nodes=1
#SBATCH --ntasks=1
#SBATCH --cpus-per-task=8
#SBATCH --mem-per-cpu=4000M

module load bio-apps/v202603
module load bwa/0.7.19

# Index the reference genome
bwa index -a bwtsw Homo_sapiens.GRCh38.dna.toplevel.fa

# Run the alignment
bwa mem -t $SLURM_CPUS_PER_TASK Homo_sapiens.GRCh38.dna.toplevel.fa reads1.fq reads2.fq > aln.sam

Yllä olevassa eräajoesimerkissä suoritetaan yksi BWA-tehtävä (--ntasks=1). BWA-ajo käyttää 8 ydintä (--cpus-per-task=8) ja yhteensä 32 GB muistia. Ajon enimmäiskesto on kaksitoista tuntia (--time=12:00:00). Kaikki ytimet varataan yhdeltä laskentasolmulta (--nodes=1). Korvaa <project> omalla CSC-projektillasi (esimerkiksi project_2001234).

Voit lähettää eräajotiedoston eräajojärjestelmään komennolla:

sbatch batch_job_file.sh

Katso lisätietoja eräajojen suorittamisesta sivulta eräajokomentosarjan luominen Roihulle.

Tuki

CSC:n asiakastuki

Lisätietoja

Lisätietoja BWA:sta löytyy seuraavista lähteistä: