bwa によるマッピング

UB3/informatics/bioinformatics/bwa

このページの最終更新日: 2022/05/19

  1. bwa のインストール
  2. bwa のインストール
  3. bwa の使い方
    • インデックスの作成
    • マッピング
    • BWA のパラメーター


広告

概要: bwa とは

bwa は、bowtie2 などと似たマッピングプログラムである。Burrow Wheeler Aligner の略であるはずだが、BWA alighner という表現も見かける。BWA には、以下のような特徴がある。

  • リファレンス配列を Burrows-Wheeler 変換しているため、高速かつメモリ消費が低い (2)。
  • デフォルトで bowtie2 よりもミスマッチの許容度が大きい。たとえば aln を実行すると、225bp reads: max_diff = 9 などの設定が最初に出力される。bowtie2 は 0 か 1 しか選べない。
  • イントロンのような長い挿入があると、マッピングに失敗する (2)。そのため、真核生物の RNA-seq データにはほとんど使われておらず、ゲノムリードのマッピングによく使われる。

bwa のインストール

Ubuntu 20.4 では sudo apt install bwa で 大丈夫だった。GitHub も参照のこと。

Mac では、上記の github からフォルダをダウンロードし、make でコンパイルする。リンク先を参照のこと。


広告

bwa の使い方

インデックスの作成

-a でアルゴリズムを is または bwtsw から選択。is は 2G 以下の小さなゲノム用。細菌などのデータ解析、bwtsw よりも高速。

それ以上の大きなゲノムには bwtsw を使う。

bwa index -a bwtsw input.fasta

インデックスの名前を指定したい場合、-p オプションを使う。-p indexname として指定。

マッピング

BWA には 3 つのマッピングモードがある。

backtrack

bwa aln で実行する。100 bp 程度までのショートリードのマッピングに使う (2)。

bwasw

ロングリードのマッピング。70 から数 Mb までマッピング可能。

mem

同じく 70 から数 Mb までのロングリードのマッピングで、ギャップが多いと予想される場合。


Single-end の場合は、以下のようにして実行する。aln/bwasw/mem から 1 つを選択。

bwa aln/bwasw/mem indexname input.fastq > output.sam

Paired-end の場合は、単に 2 つのリードが含まれるファイルを並べる。

bwa aln/bwasw/mem indexname input_1.fastq input_2.fastq > output.sam

アウトプットは bam または sam ファイルになる。一度、間違えて > output.bam の形で出力したところ、ファイルは生成されたが、どうやっても情報を取り出すことができなかった。samtools の使い方 のページも参照のこと。

BWA のパラメーター

mem, bwasw など、どのプログラムを使うかによってパラメーターが変わる。詳細は マニュアル を参照のこと。 [3] のように [ ] の中に書かれている値がデフォルトである。

私がいじったことがあるパラメーターのみを表にしておく。bwasw のパラメーターである。

a

-a INT で score of match つまりマッチしたときに加算されるスコアを指定する。デフォルトは 1。

b

-b INT で mismatch penalty を指定する。デフォルトは 3。

q

-q INT で gap open penalty を指定する。デフォルトは 5。


これらのパラメーターをいろいろ変えて、マッピングがどうなるか試してみたことがある。

a = 2, b = 1, q = 1。とにかくマッチングを高得点にして、mismatch にも gap open にも寛容な設定。マッピングされる数は増えるが、どのようにマップされたか igv でみてみると、こんな感じ。

BWAマッピング

ある塩基には、7 つのリードがマップされている。うち A が 2 つ、G が 2 つ、gap (DEL) が 3 つ。これでは話にならないほど正確性が低い。


a = 1, b = 1, q = 5 の結果。上記と同じマッピングだが、領域は違う。全体を見渡して、適当と思われる部分のスクリーンショットを撮っている。

Coverage で灰色の領域があって良さそうに見えるが、実はこの領域はリピート。同じリピートをもつリードがここにマップされ、左側の方ではミスマッチがたくさんある。この場合、上の 3 つは同じ領域だろうが、それ以外はたぶん違うだろう。

ということで、この設定でも緩すぎると思われる。

IGVの結果
広告

References

  1. BWA, NGS Surfer's Wiki. Link: Last access 2022/04/22.
  2. BWA, Bioinformatics. Link: Last access 2022/04/22.
  3. RUNNING BWA COMMANDS. Link: Last access 2022/04/26.

コメント欄

各ページのコメント欄を復活させました。スパム対策のため、以下の禁止ワードが含まれるコメントは表示されないように設定しています。レイアウトなどは引き続き改善していきます。「管理人への質問」「フォーラム」へのバナーも引き続きご利用下さい。

禁止ワード: http, the, м (ロシア語のフォントです)


このページにコメント

Name:


Comment:



これまでに投稿されたコメント

Date Name Comment