Minimap2 使用指南：高效序列比对工具详解

Minimap2 使用指南：高效序列比对工具详解

minimap2 A versatile pairwise aligner for genomic and spliced nucleotide sequences 项目地址: https://gitcode.com/gh_mirrors/mi/minimap2

概述

Minimap2 是一款高效的序列比对工具，主要用于长读长序列（如 Nanopore 或 PacBio 数据）的比对和重叠检测。它能够快速地将 DNA 序列映射到参考基因组上，或者在不同序列集合之间寻找重叠区域。该工具由生物信息学专家李恒（Heng Li）开发，已成为长读长数据分析的标准工具之一。

核心功能

Minimap2 主要提供三大类功能：

1. 参考基因组比对：将长读长序列比对到参考基因组
2. 序列重叠检测：在长读长数据集中寻找重叠区域
3. 组装比对：将组装结果比对到参考基因组

基本使用方法

1. 建立索引（可选）

虽然 minimap2 可以直接比对原始序列，但预先建立索引可以提高重复比对操作的效率：

minimap2 -d target.mmi target.fa

这条命令会为目标序列 target.fa 创建索引文件 target.mmi。

2. 长读长比对（带 CIGAR 信息）

minimap2 -a target.mmi query.fa > output.sam

或者直接比对（不预先建立索引）：

minimap2 -a target.fa query.fa > output.sam

3. 长读长重叠检测（不带 CIGAR 信息）

minimap2 -x ava-ont target.fa query.fa > output.paf

关键参数解析

索引相关参数

• -k INT：设置 k-mer 长度（默认为 15）
• -w INT：设置 minimizer 窗口大小（默认为 10）
• -H：使用同聚物压缩（HPC）minimizer
• -I NUM：设置索引加载到内存的最大碱基数（默认为 8G）
• --idx-no-seq：不在索引中存储目标序列，节省空间但限制功能

比对相关参数

• -f FLOAT|INT1[,INT2]：忽略高频 minimizer
• -g NUM：设置链延伸停止条件（默认 10k bp 内无 minimizer 则停止）
• -r NUM1[,NUM2]：设置链延伸和比对扩展的带宽
• -n INT：丢弃 minimizer 数量少于 INT 的链
• -m INT：丢弃链得分低于 INT 的比对结果

比对评分参数

• -A INT：匹配得分（默认为 2）
• -B INT：错配惩罚（默认为 4）
• -O INT1[,INT2]：缺口开放惩罚（默认为 4,24）
• -E INT1[,INT2]：缺口延伸惩罚（默认为 2,1）

预设模式

Minimap2 提供多种预设模式，简化常见场景下的参数设置：

1. map-ont：默认模式，用于错误率约 10% 的 Nanopore 长读长比对
2. lr:hq：用于高精度长读长（错误率 <1%）比对
3. map-hifi：用于 PacBio HiFi 读长比对
4. map-pb：用于旧版 PacBio CLR 读长比对
5. asm5：用于长组装序列与参考基因组的比对

输出格式

Minimap2 支持两种主要输出格式：

1. PAF 格式：简洁的比对格式，默认输出
2. SAM 格式：标准比对格式，需使用 -a 参数

性能优化建议

1. 多线程：使用 -t 参数指定线程数
2. 批量处理：使用 -K 参数控制内存中的处理批量大小
3. 索引复用：对同一参考序列多次比对时，预先建立索引
4. 预设模式：根据数据类型选择合适的预设模式

应用场景示例

1. Nanopore 数据比对

minimap2 -ax map-ont reference.fa nanopore_reads.fq > alignments.sam

2. PacBio HiFi 数据比对

minimap2 -ax map-hifi reference.fa pacbio_hifi.fq > alignments.sam

3. 重叠检测（用于组装）

minimap2 -x ava-ont reads1.fq reads2.fq > overlaps.paf

常见问题解决

1. 内存不足：减小 -I 或 -K 参数值
2. 比对质量低：尝试不同的预设模式或调整评分参数
3. 运行速度慢：增加线程数（-t）或优化 I/O（使用 -2 参数）

Minimap2 是一款功能强大且灵活的比对工具，通过合理选择参数和预设模式，可以高效处理各种长读长测序数据的比对需求。对于特定应用场景，建议参考官方文档或相关文献获取更详细的参数优化建议。

minimap2 A versatile pairwise aligner for genomic and spliced nucleotide sequences 项目地址: https://gitcode.com/gh_mirrors/mi/minimap2