BWA是一種能夠將低差異度的序列比對到較大的參考基因組上的軟件。常常被用來處理質控後的clean reads，通過reads與參考序列比對，生成儲存變異信息的sam或bam文件。目前BWA存在3種比對算法，可支持長度在1Mb以內的reads 與參考基因組的比對。
bwa的3種算法：
BWA-backtrack： 專門針對100bp以下的illumina測序數據 (aln/samse/sampe)
BWA-SW：70bp-1Mbp、支持可變剪切(bwasw)
BWA-MEM：70bp-1Mbp、支持可變剪切(mem)
任何一種算法，BWA都需要首先對"參考基因組"建立FM-index (bwa-index)
1. 建立參考基因組的索引
無論選擇哪一種比對算法，都需要對待使用的參考基因組建立索引。
bwa index的用法和參數：
bwa index [-p prefix] [-a algoType] <in.db.fasta>
-p #輸出數據庫的前綴，默認與輸入文件名一致
-a #設置參考基因組構建index的算法（有is 和 bwtsw兩種）
簡要介紹bwa構建參考基因組index的兩種算法：
-is用於構建後綴數組的線性時間算法：缺點--比較耗內存（需要參考基因組5.37倍的內存）；優點--速度快。is是構建index的默認算法，但是不適合 “參考基因組” 大於2GB的文件。
-bwtsw使用BWT-SW算法，多用於人類基因組。
2. 三種不同比對算法的使用
2.1 BWA-MEM
在reads中劃分seed區域，使用seed序列與建立過索引的參考基因組比對，選擇 maximal exact matches(MEMs) 的位置作爲reads在參考基因組上的正確比對區域（seed alignment），然後在此基礎上通過affine-gap Smith-Waterman算法在比對區域附近延伸（seed extension）。
bwa mem [options] ref.fa reads.fq [mates.fq]
-p pair-end模式參數 ##適應於不同的應用場景：（1）該參數不存在，fastq文件只有reads.fq：reads.fq會被默認爲single-end數據；（2）該參數不存在，fastq文件有reads.fq 和mates.fq，軟件默認reads.fq 和mates.fq爲paired-end mode數據；（3）該參數存在，fastq文件只有reads.fq：read.fq 中的 第 2i-th 和 第 (2i + 1)-th 的 reads 組成一個 read 對 ；（4）該參數存在，astq文件有reads.fq 和mates.fq，軟件默認忽略掉mates.fq，認爲read.fq 中的 第 2i-th 和 第 (2i + 1)-th 的 reads 組成一個 read 對 。
-M 兼容Picard’s markDuplicates的參數 ##當bam文件中存在一條read比對到參考基因組上不同位置時，Picard的markDuplicates工具不能正常運行，但由於bwa-mem採用的是局部比對的算法，不可避免得會出現， query 序列的多個不同的部位出現各自的最優匹配，導致 reads 有多個最佳匹配位點，因此使用-M參數將shorter split hits 標記爲次優，以兼容 Picard’s markDuplicates 插件。
-t INT 線程數（默認爲1） ##線程數目越大，運行速度越快
-k INT minSeedLen(最小seed長度,默認爲19）## seed正確匹配參考序列長度小於INT時，該匹配刪除
-w INT 最大gap長度（默認爲100） ## 刪除gap大於INT的匹配，不過，需要了解的是：如果gap長度過大，也會由於在記分矩陣中罰分甚高，影響最終匹配分值而被刪除
-d INT 停止延伸參數（默認爲100）## 最佳匹配的得分與當前匹配得分之差高於|i-j|*A+INT時，終止seed extension（其中i和j分別爲query起始位置和reference的當前位置，A爲matching得分），該參數的存在可以避免非必要的seed extension。
-r FLOAT seedSplitRatio,啓動re-seeding的控制參數 （默認爲1.5） ## MEM區域長度大於 minSeedLen*FLOAT時纔會啓動re-seeding。該數值越大，產生的seeds越少，因而會加快比對速度但是比對準確度卻降低了
-c INT maxOcc （默認爲10000）## 指定MEM的最大出現頻次，倘若在基因組中重複多次出現說明不可信，將被丟掉
-A INT matchScore（默認爲1）## 替換記分矩陣中，正確匹配時得分爲 INT
-B INT mmPenalty（默認爲4）## 替換記分矩陣中，錯誤匹配時罰分爲 INT
-o INT gapOpenPen（默認爲6） ## 替換記分矩陣中，gapOpen罰分爲 INT
-E INT gapExtPen （默認爲1）## 替換記分矩陣中，gapExtension罰分爲 INT
-L INT clipPen (默認爲5) ## 剪切罰分爲INT
-U INT 非配對 read pair 罰分（默認爲9） ## BWA-MEM scores an unpaired read pair as scoreRead1+scoreRead2-INT and scores a paired as scoreRead1+scoreRead2-insertPenalty. It compares these two scores to determine whether we should force pairing
-R STR 完整的read group的頭部 ## read group 的ID，會被添加到輸出文件的每一個read的頭部
-T INT 最低mapping分值 （默認爲30）## mapping得分越高，read和參考序列越匹配，低於INT的比對被刪除
-a 輸出single-end 和 unpaired paired-end的 reads ## 這些比對的結果會被標記爲次優
-C Append ## 將FASTA/Q第一行中的註釋信息輸出到SAM文件，如barcode信息（注意格式符合SAM格式，否則程序會報錯）
-H sam結果輸出中使用hard clipping ’H’ ## 減少冗餘（尤其在做長片段比對和細菌人工染色體序列的比對時）
-v INT 控制輸出內容（默認爲3）## 0: 禁止將stderr輸出；1：只輸出error信息；2：只輸出errors和warnings；3：所有消息均輸出；4：在3的基礎上，輸出更多debugging信息（該模式）
2.2 後記
原本想要把BWA的3種算法都在這篇文章裏整理一下，沒想到週末想要偷懶，以後再續記吧，畢竟bwa mem是目前用得最多的工具。
PS：
BWT算法的瞭解鏈接（https://www.jianshu.com/p/51a7fc499d28）
Smith-Waterman算法的瞭解鏈接（https://www.jianshu.com/p/85465f32273a）
SAM&BAM文件瞭解鏈接（softclip和hardclip）https://www.jianshu.com/p/3295e179ef14