BWA 使用笔记 - Lihuax's Blog

945 words

5 minutes

BWA 使用笔记

2026-05-13

2026-05-20

study

note

/

biology

/

script

BWA (Burrows-Wheeler Alignment Tool) 是一个用于将短序列读段比对到大型参考基因组的软件包，如人类基因组。

主要算法#

BWA 包含三个算法：

BWA-backtrack：适用于 Illumina 序列读段，长度可达 100bp
BWA-SW：适用于 70bp 到 1Mbp 长度的序列
BWA-MEM：最新的算法，通常推荐用于高质量查询，因为它更快且更准确

基本使用流程#

构建参考基因组的 FM 索引：bwa index ref.fa
进行序列比对：
- 单端序列：bwa mem ref.fa reads.fq > aln-se.sam
- 双端序列：bwa mem ref.fa read1.fq read2.fq > aln-pe.sam

主要命令#

1. index 命令#

1
bwa index [-p prefix] [-a algoType] <in.db.fasta>

构建参考基因组的 FM 索引。

选项：

-p STR：输出数据库的前缀
-a STR：构建 BWT 索引的算法
- is：IS 线性时间算法（默认）
- bwtsw：BWT-SW 算法

2. mem 命令（推荐使用）#

1
bwa mem [-aCHMpP] [-t nThreads] [-k minSeedLen] [-w bandWidth]
2
        [-d zDropoff] [-r seedSplitRatio] [-c maxOcc] [-A matchScore]
3
        [-B mmPenalty] [-O gapOpenPen] [-E gapExtPen] [-L clipPen]
4
        [-U unpairPen] [-R RGline] [-v verboseLevel]
5
        db.prefix reads.fq [mates.fq]

使用 BWA-MEM 算法进行序列比对。

主要选项：

-t INT：线程数 [1]
-k INT：最小种子长度 [19]
-w INT：带宽 [100]
-r FLOAT：触发重新种子的阈值 [1.5]
-c INT：丢弃重复次数超过 INT 的 MEM [10000]
-M：标记较短的分割命中为次要命中（用于 Picard 兼容）
-a：输出所有找到的比对结果

3. aln 命令#

1
bwa aln [-n maxDiff] [-o maxGapO] [-e maxGapE] [-d nDelTail]
2
        [-i nIndelEnd] [-k maxSeedDiff] [-l seedLen] [-t nThrds]
3
        [-cRN] [-M misMsc] [-O gapOsc] [-E gapEsc] [-q trimQual]
4
        <in.db.fasta> <in.query.fq> > <out.sai>

查找输入读段的 SA 坐标。

4. samse 命令#

1
bwa samse [-n maxOcc] <in.db.fasta> <in.sai> <in.fq> > <out.sam>

给定单端读段生成 SAM 格式的比对结果。

5. sampe 命令#

1
bwa sampe [-a maxInsSize] [-o maxOcc] [-n maxHitPaired] [-N maxHitDis] [-P]
2
          <in.db.fasta> <in1.sai> <in2.sai> <in1.fq> <in2.fq> > <out.sam>

给定双端读段生成 SAM 格式的比对结果。

6. bwasw 命令#

1
bwa bwasw [-a matchScore] [-b mmPen] [-q gapOpenPen] [-r gapExtPen]
2
          [-t nThreads] [-w bandWidth] [-T thres] [-s hspIntv] [-z zBest]
3
          [-N nHspRev] [-c thresCoef] <in.db.fasta> <in.fq> [mate.fq]

使用 BWA-SW 算法进行序列比对。

SAM 格式说明#

BWA 输出的比对结果使用 SAM 格式，每行包含以下字段：

列号	字段名	说明
1	QNAME	查询名称
2	FLAG	标志位
3	RNAME	参考序列名称
4	POS	位置
5	MAPQ	比对质量
6	CIGAR	扩展 CIGAR 字符串
7	MRNM	配对参考序列名称
8	MPOS	配对位置
9	ISIZE	插入片段大小
10	SEQ	查询序列
11	QUAL	查询质量
12	OPT	可变字段

FLAG 位说明#

位	值	说明
p	0x0001	读段成对测序
P	0x0002	读段成对测序且正确配对
u	0x0004	查询序列未比对
U	0x0008	配对读段未比对
r	0x0010	查询序列链方向（1 表示反向）
R	0x0020	配对读段链方向
1	0x0040	第一个读段
2	0x0080	第二个读段
s	0x0100	非主比对
f	0x0200	质量控制失败
d	0x0400	光学或 PCR 重复

BWA 特有标签#

标签	说明
NM	编辑距离
MD	不匹配位置/碱基
AS	比对得分
BC	条形码序列
X0	最佳命中数
X1	BWA 找到的次优命中数
XN	参考序列中的不确定碱基数
XM	比对中的错配数
XO	缝隙开启数
XG	缝隙延伸数
XT	类型：Unique/Repeat/N/Mate-sw
XA	替代命中；格式：(chr,pos,CIGAR,NM;)*
XS	次优比对得分
XF	正向/反向比对支持
XE	支持种子数