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:
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:
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.