Hyppää sisältöön

Sambamba

Sambamba on työkalu SAM- ja BAM-tiedostojen käsittelyyn. Se voi lajitella, indeksoida, suodattaa, yhdistää ja pilkkoa BAM-tiedostoja sekä merkitä duplikaattilukuja käyttäen useita ytimiä rinnakkain.

Lisenssi

Vapaasti käytettävissä ja avointa lähdekoodia GNU GPLv2 -lisenssillä.

Saatavuus

  • Roihu-CPU: 1.0.1, bio-apps-moduulin kautta.

Käyttö

Sambamba on osa bio-apps -kokoelmaa Roihussa. Lataa ensin bio-apps-moduulipuu ja sitten Sambamba-moduuli:

module load bio-apps/v202603
module load sambamba/1.0.1

Sambambaa ajetaan komennolla sambamba <command>, missä komento on esimerkiksi view, sort, index, merge, slice, markdup, flagstat tai depth. Aja komento ilman argumentteja nähdäksesi sen valinnat.

Esimerkiksi voit lajitella BAM-tiedoston sijainnin mukaan, merkitä duplikaattiluvut ja laskea luvut niiden lippujen mukaan:

sambamba sort -t 8 -m 14G -o sample.sorted.bam sample.bam
sambamba markdup -t 8 sample.sorted.bam sample.markdup.bam
sambamba flagstat -t 8 sample.markdup.bam

Aseta aina säikeiden määrä valitsimella -t vastaamaan työllesi varattuja ytimiä. -m asettaa kokonaismuistin, jota sambamba sort saa käyttää (oletuksena 2 GiB).

Suurten BAM-tiedostojen lajittelu ja duplikaattien merkintä vievät paljon aikaa, joten aja ne eräajona, älä kirjautumissolmulla.

sort ja markdup kirjoittavat väliaikaistiedostoja hakemistoon $TMPDIR, jonka koko on jaetuilla laskentasolmuilla rajoitettu (katso levyalueet). Suurille BAM- tiedostoille käytä sen sijaan eriytettyä tallennustilaa väliaikaistiedostoille, kuten esimerkkieräajokomennoston jälkeen näytetään.

Esimerkkieräajokomentosarja

#!/bin/bash
#SBATCH --job-name=sambamba
#SBATCH --account=<project>
#SBATCH --output=output_%j.txt
#SBATCH --error=errors_%j.txt
#SBATCH --partition=small
#SBATCH --time=04:00:00
#SBATCH --nodes=1
#SBATCH --ntasks=1
#SBATCH --cpus-per-task=8
#SBATCH --mem=16G

module load bio-apps/v202603
module load sambamba/1.0.1

sambamba sort -t $SLURM_CPUS_PER_TASK -m 14G -o sample.sorted.bam sample.bam
sambamba markdup -t $SLURM_CPUS_PER_TASK sample.sorted.bam sample.markdup.bam

-m 14G jättää osan työlle varatusta 16 GiB:stä vapaaksi Sambamban omaa yleiskuormaa varten. Korvaa <project> omalla CSC-projektillasi (esimerkiksi project_2001234).

Suurille BAM-tiedostoille varaa eriytettyä tallennustilaa väliaikaistiedostoille lisäämällä seuraava rivi #SBATCH-rivien joukkoon:

#SBATCH --bb="#BB_LUA SBF storagesize=100G path=/sbf/data"

Lisää sitten --tmpdir /sbf/data komentoihin sambamba sort ja sambamba markdup. Varaa enemmän tilaa kuin syöte-BAM-tiedoston koko, koska sort kirjoittaa väliaikaistiedostonsa vain kevyesti pakattuina. Sambamba poistaa väliaikaistiedostot valmistuttuaan, joten mitään ei tarvitse kopioida takaisin.

Katso eräajokomentosarjan luominen Roihulle saadaksesi lisätietoja eräajojen suorittamisesta.

Tuki

CSC Service Desk

Lisätietoja

Onko tämä sivu hyödyllinen?
Kiitos palautteestasi!
Kiitos! Arvostamme palautettasi.

Kerro meille miten voisimme parantaa tätä sivua ottamalla meihin yhteyttä .