markdup
标记 BAM/CRAM 文件中的重复 reads。
此工具定位并标记 BAM 或 SAM 文件中的重复 reads，其中重复 reads 定义为源自单个 DNA 片段。
markdup 支持两种标记重复项的方式，假设排序顺序为坐标（默认）或 queryname (--markdups-assume-sortorder-querynamer)。
输入 BAM/CRAM 必须按 queryname 排序。如果未排序，请使用 --sort-order queryname 运行 pbrun bamsort 以预处理输入文件。
有关所有可用选项的详细列表，请参阅 markdup 参考 部分。
# This command assumes all the inputs are in INPUT_DIR and all the outputs go to OUTPUT_DIR.
docker run --rm --gpus all --volume INPUT_DIR:/workdir --volume OUTPUT_DIR:/outputdir \
--workdir /workdir \
nvcr.io/nvidia/clara/clara-parabricks:4.4.0-1 \
pbrun markdup \
--ref /workdir/${REFERENCE_FILE} \
--in-bam /workdir/${INPUT_BAM} \
--out-bam /outputdir/${OUTPUT_BAM}
以下命令是 Parabricks 命令的 GATK 对等命令。 请注意，按坐标标记和按 queryname 标记对应的基线命令是不同的。 请根据您的具体情况选择正确的命令。 此处列出的第一个 gatk SortSam 命令是为了保证输入文件的顺序符合 MarkDuplicates 的要求。 如果您的文件顺序正确，可以忽略它。
坐标排序顺序
gatk SortSam \
-R <INPUT_DIR>/${REFERENCE_FILE} \
-I <INPUT_DIR>/${INPUT_BAM} \
-O <INPUT_DIR>/${SORTED_BAM} \
-SO coordinate
gatk MarkDuplicates \
-I <INPUT_DIR>/${SORTED_BAM} \
-O <OUTPUT_DIR>/${MARKED_BAM} \
-M <OUTPUT_DIR>/${METRICS_FILE} \
-ASO coordinate
Queryname 排序顺序
gatk SortSam \
-R <INPUT_DIR>/${REFERENCE_FILE} \
-I <INPUT_DIR>/${INPUT_BAM} \
-O <INPUT_DIR>/${SORTED_BAM} \
-SO queryname
gatk MarkDuplicates \
-I <INPUT_DIR>/${SORTED_BAM} \
-O <OUTPUT_DIR>/${MARKED_BAM} \
-M <OUTPUT_DIR>/${METRICS_FILE} \
-ASO queryname
gatk SortSam \
-R <INPUT_DIR>/${REFERENCE_FILE} \
-I <OUTPUT_DIR>/${MARKED_BAM} \
-O <OUTPUT_DIR>/${FINAL_BAM} \
-SO coordinate
标记 BAM 文件中的重复 reads。 输入文件应按 queryname 排序。
输入/输出文件选项
- --in-bam IN_BAM
-
用于标记重复项的 BAM/CRAM 路径。 需要已按 queryname 排序。 此选项为必填项。（默认值：None）
选项为必填项。
- --out-bam OUT_BAM
-
标记重复项后的 BAM/CRAM 文件路径。（默认值：None）
选项为必填项。
- --ref REF
-
参考文件路径。（默认值：None）
选项为必填项。
- --out-duplicate-metrics OUT_DUPLICATE_METRICS
-
标记重复项后重复指标文件的路径。（默认值：None）
工具选项
- --markdups-assume-sortorder-queryname
-
假设 reads 已按 queryname 排序以进行重复项标记。 这也会将辅助 reads、补充 reads 和未比对 reads 标记为重复项。 此标志不会影响变异调用，但会增加处理时间。（默认值：None）
- --optical-duplicate-pixel-distance OPTICAL_DUPLICATE_PIXEL_DISTANCE
-
为了将两个重复簇视为光学重复项，它们之间的最大偏移像素距离。（默认值：None）
性能选项
- --num-zip-threads NUM_ZIP_THREADS
-
用于在运行中压缩 BAM/CRAM 文件的 CPU 数量（默认值为 10）。（默认值：None）
- --num-worker-threads NUM_WORKER_THREADS
-
用于在运行中进行 markdup 的 CPU 数量（默认值为 10）。（默认值：None）
- --mem-limit MEM_LIMIT
-
排序和后排序期间的内存限制（GB）。 默认情况下，限制为系统总内存的一半。（默认值：62）
常用选项
- --logfile LOGFILE
-
日志文件路径。 如果未指定，消息将仅写入标准错误输出。（默认值：None）
- --tmp-dir TMP_DIR
-
将存储临时文件的目录的完整路径。
- --with-petagene-dir WITH_PETAGENE_DIR
-
PetaGene 安装目录的完整路径。 默认情况下，这应已安装在 /opt/petagene 中。 使用此选项还需要通过设置 LD_PRELOAD 环境变量来预加载 PetaLink 库。 可选设置用于数据和凭据的 PETASUITE_REFPATH 和 PGCLOUD_CREDPATH 环境变量（默认值：None）
- --keep-tmp
-
完成时不删除存储临时文件的目录。
- --no-seccomp-override
-
不覆盖 docker 的 seccomp 选项（默认值：None）。
- --version
-
查看兼容的软件版本。
GPU 选项
- --num-gpus NUM_GPUS
-
用于运行的 GPU 数量。 将使用 GPU 0..(NUM_GPUS-1)。