bwa mem2下載-BWA bwa mem2源代碼下載

bwa mem2

其他源碼

v2.2.1

下載

重要信息

我們很高興地宣布，磁盤上的索引大小減小了8次，並且在內存中的記憶中只有4次，因為僅移至一種類型的FM索引（2bit.64而不是2bit.64和8bit. 32）和8x壓縮後綴陣列。例如，對於人類基因組，磁盤上的索引大小從〜80GB降至〜10GB，並且記憶足跡降至〜40GB的〜10GB。由於降低，索引時間的降低大幅下降，幾乎沒有對讀取映射的任何性能影響。由於索引結構的這種變化（在2020年10月10日的提交＃4B59796中），您將需要重建索引。

在提交A591E22中的輸出SAM文件中添加了MC標誌。輸出應匹配原始BWA-MEM版本0.7.17。

從提交E0AC59E開始，我們有一個git subsodule safestringlib。要獲得它，請在已經克隆的存儲庫中使用克隆或使用“ Git subpodule Init”和“ Git Subsodule Update”時使用 - 恢復性（有關更多詳細信息，請參見下文）。

入門

＃使用預編譯的二進製文件（推薦）curl -l https：//github.com/bwa-mem2/bwa-mem2/releases/download/download/v2.2.1/bwa-mem2-2.2.1_x64-linux.tar .tar.tar.tar.bz2
   | TAR JXF-
BWA-MEM2-2.2.1_x64-Linux/BWA-MEM2索引參考
BWA-MEM2-2.2.2.1_x64-linux/bwa-mem2 mem ref.fa read1.fq read2.fq> out.sam＃compile＃commile＃compile commile（不推薦給一般用戶）＃獲取sourcegit clone-recursive https https ：// https：// github.com/bwa-mem2/bwa-mem2cd bwa-mem2＃orgit克隆https://github.com/bwa-mem2/bwa-mem2/bwa-mem2cd bwa-mem2
git subsodule init
git子模塊更新＃編譯和runmake
./bwa-mem2

介紹

該工具BWA-MEM2是BWA中BWA-MEM算法的下一個版本。它產生的對齊方式與BWA相同，並且根據用例，數據集和運行機器的速度約為1.3-3.1倍。

原始BWA由Heng Li（@LH3）開發。 BWA-MEM2的性能增強主要是由Vasimuddin MD（@Yuk12）和Sanchit Misra（@Sanchit-Misra）從英特爾（Intel）進行的。 BWA-MEM2根據MIT許可證分發。

安裝

對於一般用戶，建議使用發布頁面中的預編譯二進製文件。這些二進製文件與英特爾編譯器一起編譯，並且運行速度比GCC計算的二進製文件更快。預編譯的二進製文件還間接支持CPU調度。 bwa-mem2二進製文件可以自動根據運行計算機上可用的SIMD指令集選擇最有效的實現。使用以下命令行在CentOS7機器上生成了預編譯的二進製文件：

使CXX = ICPC Multi

用法

使用與原始BWA MEM工具完全相同。這是一個簡短的概述。為可用命令運行./bwa-mem2。

 ＃索引參考序列（需要28n GB內存，其中n是參考序列的大小）../ bwa-mem2索引[-p prefix] <in.fasta>其中
 <in.fasta>是參考序列fasta文件的途徑，並且
 <prefix>是存儲結果索引的文件名稱的前綴。默認值為IN.FASTA。＃映射＃運行“ ./bwa-mem2 mem”獲取所有選項。/bwa-mem2mem -t <Num_threads> <prefix> <prefix> <reads.fq/fq/fa>> out. sam
其中<prefix>是創建索引或參考Fasta文件的路徑時指定的前綴，以防不提供前綴。

表現

數據集：
參考基因組：human_g1k_v37.fasta

別名	數據集源	閱讀數	閱讀長度
D1	廣泛研究所	2 x 2.5m bp	151bp
D2	SRA：SRR7733443	2 x 2.5m bp	151bp
D3	SRA：SRR9932168	2 x 2.5m bp	151bp
D4	SRA：SRX6999918	2 x 2.5m bp	151bp

機器詳細信息：
處理器：Intel（R）Xeon（R）8280 CPU @ 2.70GHz
OS：Centos Linux版本7.6.1810
內存：100GB

我們遵循以下步驟收集績效結果：
A.數據下載步驟：

從https://trace.ncbi.nlm.nih.gov/traces/sra/sra/sra/sra.cgi?view=softwarewheader-global下載SRA Toolkit
tar xfzv sratoolkit.2.10.5 centos_linux64.tar.gz
下載D2：sratoolkit.2.10.5-centos_linux64/bin/fastq-dump -slit-files srr7733443
下載D3：sratoolkit.2.10.5-centos_linux64/bin/fastq-dump -slit-files srr9932168
下載D4：sratoolkit.2.10.5-centos_linux64/bin/fastq-dump -slit-files srx69999918

B.對準步驟：

git克隆https://github.com/bwa-mem2/bwa-mem2.git
CD BWA-MEM2
make CXX=icpc （使用Intel C/C ++編譯器）
或make （使用GCC編譯器）
./bwa-mem2索引<ref.fa>
./bwa-mem2 mem [-t <#threads>] <ref.fa> <in_1.fastq> [<in_2.fastq>]> <output.sam>

例如，在我們的雙套接字（每個56個線程）和Double Numa計算節點中，我們使用以下命令行將D2與Human_G1K_V37.Fasta參考基因組相結合。

numactl -m 0 -C 0-27,56-83 ./bwa-mem2 index human_g1k_v37.fasta  
numactl -m 0 -C 0-27,56-83 ./bwa-mem2 mem -t 56 human_g1k_v37.fasta SRR7733443_1.fastq SRR7733443_2.fastq > d2_align.sam

BWA-MEM2播種階段使用LISA加速（用於序列分析的學習索引）

BWA-MEM2-LISA是BWA-MEM2的加速版，我們將學習索引應用於播種階段。 BWA-MEM2-LISA分支包含實現的源代碼。以下是BWA-MEM2-LISA的特徵：

與BWA-MEM2完全相同。
創建索引和讀取映射的所有命令線與BWA-MEM2完全相同。
與BWA-MEM2相比，BWA-MEM2-LISA可加速播種階段（BWA-MEM2中的主要瓶頸之一）。
對於人基因組，BWA-MEM2-LISA指數的記憶足跡約為120GB。
該代碼存在於BWA-MEM2-LISA分支：https：//github.com/bwa-mem2/bwa-mem2/bwa-mem2/tree/bwa-mem2-lisa

BWA-MEM2種子播種加速，用枚舉的radix樹（ERT分支中的代碼）

BWA-MEM2存儲庫的ERT分支包含基於BWA-MEM2的基於輻射樹的加速度的代碼庫。 ERT代碼構建在BWA-MEM2的頂部（這要歸功於 @arun-sub的辛勤工作）。以下是基於ERT的BWA-MEM2工具的亮點：

與BWA-MEM完全相同（2）
該工具還有兩個附加標誌來啟用ERT解決方案（用於創建索引和映射），否則它以Vanilla BWA-MEM2模式運行
它使用1個額外標誌來創建ERT索引（與BWA-MEM2索引不同）和1個使用該ERT索引的附加標誌（請參閱ERT Branch的讀數）
與Vanilla BWA -MEM2相比，ERT解決方案更快10％-30％（在上述機器配置上測試） - 建議用戶使用選項-K 1000000來查看Speedups
ERT索引的記憶腳打印〜60GB
該代碼存在於ERT分支：https：//github.com/bwa-mem2/bwa-mem2/tree/ert/ert