SOAP2详解

SOAP2是SOAP的升级版本，提高了短序列比对的运行速度和精度，同时SOAP2的一个重要改进是支持不同长度的读长。

使用步骤：

1.用2bwt-builder对fa文件建立索引

使用方法：2bwt-builder <sequence file>

2.将reads与序列进行比对

SE:/Soap/soap2.21release/soap –a  <reads_a>  -D  -o <output>

PE:/Soap/soap2.21release/soap–a <reads_a> -b <reads_b> -D <index.files> -o <PE_output> -2 <SE_output> -m <min_insert_size> -x <max_insert_size>

参数说明：

-D STR 基因组建索引时候的前缀名称（注意，不是基因组文件的名称）

-a STR 如果是single-end就输入single-end文件路径，paired-end则输入其中一端的reads文件路径

-b STR single-end就不用输入了，paired-end的时候输入另外一端reads文件路径

-o STR 输出比对结果文件的路径（包括文件名称）

-2 STR  输出比对上但是不是成对reads比对上的序列的文件路径（包含文件名称）。Single-end不必输入，这个文件包含的序列都是一端被比对上的序列。

-u STR 在输出文件中输出没有被比对上的reads

-m INT 最小插入片段，single-end不需要 [400]

-x INT  最大插入片段 ，single-end不需要[600]

-n INT  丢掉包含指定数量N的序列，默认5个。在质量控制的时候一般都做过N去除，这里就可以不管了

-t     用序列输出的id代替序列名称，（慎重使用）

-r INT  比对到多个位置的序列如何输出，1-不输出，2-任意输出一次，3-全部输出。全部输出的时候，同一条reads会有多个记录，之前看到有朋友说比对结果的reads统计数量变多，就是这个原因

-R 插入片段大于2K设置，低于不设置

-l INT  长reads的时候使用。从5‘端取指定长度碱基作为种子先比对，如果能比上再比对全长的reads

-v INT  一条read允许的错配数量[5]

-s INT  最小比对的长度[255]

-g INT  在一条read上准许一个连续gap大小 ［5］

-M INT read或者read种植匹配的方式（不超过2个错配）

        0: exact match only 只取完全匹配的

        1: 1 mismatch match only 取1个错配的

        2: 2 mismatch match only 取2个错配的

        4: find the best hits 取最佳的

-p INT   线程, [1]

3.格式说明

I333_2_FC30JNFAAXX:7:1:3:1635/2 CTCAGCTCACCTCTCACATCTCAAGAACAGCCCATTTGATGCTG    hhhH;h^hBg\PhhcQhMhhZdQAO\UZQSQL_LUQX\MW`OaP    1       b       44      +scaffold5000    16591   1       A->11T16        44M     11A32

从左到右
1. 编号: read 的编号
2. read的序列.如果read比对上参考序列的负链，会被反向互补为正链
3. 质量值:序列的质量值，和序列顺序一致，如果read反向互补，质量值也会随着改变
4. 比对上的次数: 最优比对的次数。没有比对上的read将被忽略
5. a/b:pair-end比对的标记, 表示read属于来自哪个文件
6. 长度: read长度,如果是容缺失的比对，长度将是加上缺失片断的长度
7. +/-: 比对上参考序列的正链或负链
8. 染色体名称:参考序列的染色体名称
9. 位点:第一个碱基在染色体上的位置，从1开始
10. 错配的个数
11. 错配的详细信息（"A->11T16" 意思是一个错配,在参考序列的位置是第11个（从0开始），在参考序列上是A，rea上是T，质量值是16）
12. 比对上的数目  （"44M" 意思是44个碱基比对上了)
13. 对比的细节 （"11A32"意思是前1个比对上了，第11个是错配（从0开始），后面32个还是比对上了）