minimap2参数详解

minimap2是我们在基因组分析过程常用的一种工具，但是它的参数很多很复杂，现在我将各项参数的内容和用法进行解析。

Indexing:
  -H: 使用同源聚合的k-mer（适用于PacBio数据）
  -k INT: k-mer的大小（不超过28）[默认值：15]
  -w INT: minimizer窗口大小 [默认值：10]
  -I NUM: 每个~NUM输入碱基分割索引 [默认值：4G]
  -d FILE: 将索引转储到文件中 []

Mapping:
  -f FLOAT: 过滤掉顶部FLOAT比例的重复minimizer [默认值：0.0002]
  -g NUM: 如果在INT-bp内没有minimizer，则停止链条延伸 [默认值：5000]
  -G NUM: 最大内含子长度（在-xsplice模式下有效；更改-r）[默认值：200k]
  -F NUM: 最大片段长度（在-xsr模式下有效或片段模式中）[默认值：800]
  -r NUM[,NUM]: 链接/比对带宽和长连接带宽 [默认值：500,20000]
  -n INT: 在链条上的最小minimizer数量 [默认值：3]
  -m INT: 最小链接分数（匹配碱基减去对数缺口惩罚）[默认值：40]
  -X: 跳过自身和双重比对（用于全对全模式）
  -p FLOAT: 次要比对分数与主要比对分数的最小比例 [默认值：0.8]
  -N INT: 最多保留INT个次要比对 [默认值：5]

Alignment:
  -A INT: 匹配得分 [默认值：2]
  -B INT: 不匹配的惩罚 [默认值：4]
  -O INT[,INT]: 缺口开启惩罚 [默认值：4,24]
  -E INT[,INT]: 缺口扩展惩罚；k个长缺口的成本是min{O1+kE1,O2+kE2} [默认值：2,1]
  -z INT[,INT]: Z-drop得分和反转Z-drop得分 [默认值：400,200]
  -s INT: 最小峰值DP比对得分 [默认值：80]
  -u CHAR: 如何找到GT-AG。f：转录本链，b：两条链，n：不匹配GT-AG [默认值：n]

Input/Output:
  -a: 以SAM格式输出（默认为PAF）
  -o FILE: 将比对结果输出到FILE中 [默认值：stdout]
  -L: 在CG标签中写入具有>65535个操作的CIGAR
  -R STR: SAM读组行，格式如'@RG\tID:foo\tSM:bar' []
  -c: 在PAF中输出CIGAR
  --cs[=STR]: 输出cs标签；STR为'short'（如果省略）或'long' [默认值：none]
  --MD: 输出MD标签
  --eqx: 写入=/X CIGAR操作符
  -Y: 对于补充比对，使用软剪辑
  -t INT: 线程数 [默认值：3]
  -K NUM: 映射的迷你批次大小 [默认值：500M]
  --version: 显示版本号

Preset:
-x STR: 预设选项（总是在其他选项之前应用；详见minimap2.1）[]
  -map-pb/map-ont: PacBio CLR/Nanopore vs 参考基因组比对
  -map-hifi: PacBio HiFi reads vs 参考基因组比对
  -ava-pb/ava-ont: PacBio/Nanopore读取重叠
  -asm5/asm10/asm20: asm-to-ref比对，适用于约0.1/1/5%的序列差异
  -splice/splice:hq: 长读取/Pacbio-CCS剪接比对
  -sr: 基因组短读比对

实例(polish 第一步)

#将contig/scaffold序列比对到hifi测序的长序列
minimap2 -ax map-hifi -t 20 groups.asm.fasta .hifi_reads.bam.fasta.gz |samtools view -F 0x4 -b - |samtools sort - -m 2g -@ 20 -o genome.lgs.bam