BWA-MEM和SAMBAMBA读取小组线错误

Question

这是一个分为两部分的问题：

1. 帮助解释错误；
2. 帮助编码。

---

1. 我正在尝试运行bwa-mem和sambamba 到Aling Raw读取到参考基因组并按位置进行排序。这些是我正在使用的命令：

bwa mem  \
  -K 100000000 -v 3 -t 6 -Y \
  -R '\@S200031047L1C001R002\S*[1-2]' \
  /path/to/reference/GCF_009858895.2_ASM985889v3_genomic.fna \
  /path/to/raw-fastq/'S\S[^_]*_L01_[0-9]+-[0-9]+'_1.fq.gz \
  /path/to/raw-fastq/'S\S[^_]*_L01_[0-9]+-[0-9]+'_2.fq.gz | \
/path/to/genomics/sambamba-0.8.2 view -S -f bam \
  /dev/stdin | \
/path/to/genomics/sambamba-0.8.2 sort  \
  /dev/stdin \
  --out host_removal/${SAMPLE}/${SAMPLE}.hybrid.sorted.bam

这是我收到的错误消息：[e :: bwa_set_rg]读取组行不是@rg 。

我的序列是用MGI Sequencer生成的，并且像This @S200031047L1C001R0020000243/1一样，确定了读取组，即，他们不会与@RG一起求婚。如何指定Sambamba我的读取组以@s而不是@RG开头？

---

2. 上面写的命令是我正在修改自己的研究的已发表管道。但是，在几个更改中，我对如何定义代码的最后一行中所述的样本ID没有信心：- OUT host_removal/$ {sample}/$ {sample} .hybrid.sorted。 BAM（我是指$ {sample}）。有见地吗？

非常感谢！

Answer 1

1。指定读取组，

您的读取组字符串未正确格式。应该像
'@rg \ tid：$ id \ tsm：$ sm \ tlb：$ lb \ tpu：$ pu \ tpl：$ pl'，其中以$ sign开头的零件应替换为信息特定于您的测序运行和样品。并非所有这些都是为了所有目的。请参阅此 gatk team 读取组文档例子。

读取组规范始终以@RG开头。那是山姆格式的一部分。音序器不会产生读取组。我认为您可能会使他们与FastQ头条线相混淆。读取组字符串中的条目由选项卡分开，用\ t表示。标签及其值通过分开：。

$ id（读取组ID）和$ sm（示例ID）之间的区别在于，样本是单个或生物样本，可以在不同的库中进行几次测序（$ LB）。在GATK文档中，它们将流循环和库组合到读取组ID中。样本和库可以在小型项目中制作直观的读取组ID。如果您正在从事自己的项目不属于更大的测序工作的一部分，则可以根据需要定义阅读组。如果有几个人在同一项目中工作，则应保持一致，以避免以后出现问题。

2。变量替换，

我不确定我是否正确理解了您，但是如果您想知道什么$ {示例}在命令中表示，它是一个称为示例的变量，当时将被其值代替。该命令是运行的。卷曲括号保护名称，以使外壳不会将变量名称与接下来的字符混淆。 请参阅此处，请参见此处。