Bismark（0.22.3）使用记录
一、Bismark Genome Preparation（建立索引）
cd /home/bismark_example/01index
bismark_genome_preparation \
--bowtie2 --path_to_aligner /home/Software/Bowtie2.V2.3.3/bowtie2-2.3.3/ \
--verbose \
/home/bismark_example/01index/
重要参数说明
bismark_genome_preparation --help：查看帮助文档
--bowtie2/--hisat2：调用bowtie2/hisat2建立基因组索引
--path_to_aligner：比对软件所在文件夹的全路径
--verbose：输出详情
--parallel：设置线程，索引建立是并行运行，因此实际线程要×2
--large-index：大基因组索引建立
--yes：如果有安全类问题则自动选择yes，比如覆盖某个已存在的文件
<path_to_genome_folder>：基因组所在文件夹路径，即/home/bismark_example/00index/
二、Bismark Compare（进行比对）
cd /home/bismark_example/02compare
bismark -N 0 -L 20 --quiet --un --ambiguous --sam \
--bowtie2 --path_to_bowtie2 /home/Software/Bowtie2.V2.3.3/bowtie2-2.3.3/ \
/home/bismark_example/01index/ \
-o /home/bismark_example/02compare \
--fastq \
--prefix test.file \
-1 /home/bismark_example/R1.fq.gz \
-2 /home/bismark_example/R2.fq.gz
重要参数说明
bismark --help：查看帮助文档
-N：设置seed中允许的最大错配数，可取0或1，默认为0。值越高，对齐速度越慢，灵敏度越高。
-L：设置seed长度，最大值为32，默认为20。值越高，对齐速度越快，灵敏度越低。
--quiet：不输出比对流程信息
--un：过滤多处匹配的reads
--ambiguous：多处匹配reads信息独立记录
--sam/--bam：输出SAM格式，与--parallel不兼容/输出BAM格式，可调整--parallel
--bowtie2/--hisat2 ：调用bowtie2/hisat2，默认bowtie2
--path_to_bowtie2/--path_to_hisat2 ：bowtie2/hisat2所在文件夹的全路径
-o/--output_dir ：输出文件的全路径
--samtools_path：samtools所在文件夹的全路径
--prefix：指定输出文件的前缀
--q/--fastq：输入文件为FastQ
-f/--fasta：输入文件为FastA
--phred33-quals/--phred64-quals：指定FastQ文件的质量分数格式，默认为phred33
-1/-2：双端测序文件
genome_folder：包含未修改的参考基因组和bismark_genome_preparation创建的子文件夹(CT_conversion/和GA_conversion/）的文件夹的路径，即/home/bismark_example/01index/
输出文件
(a) test.file.R1_bismark_bt2_pe.sam 所有对齐和甲基化的信息
(b) test.file.R1_bismark_bt2_PE_report.txt 对齐和甲基化的主要信息概括
三、Bismark Duplicate（过滤重复）
cd /home/bismark_example/03duplicate
deduplicate_bismark \
-sam -p \
/home/bismark_example/02compare/test.file.R1_bismark_bt2_pe.sam \
--output_dir /home/bismark_example/03duplicate/
重要参数说明
deduplicate_bismark --hel：查看帮助文档
--sam/--bam：删除 Bismark 对齐产生的SAM/BAM 文件中的重复数据，建议用于WGBS，但不建议应用于RRS (reduced representation shotgun)，如 RRBS、amplicon or target enrichment libraries。
-p/--paired ：前一步双端数据产生的结果文件
-s/--single：前一步单端数据产生的结果文件
--samtools_path：samtools所在文件夹的全路径
--output_dir：输出文件夹路径
--multiple：指定输入文件都作为一个样本处理，连接在一起进行重复数据删除。
对SAM文件使用Unix“cat”，对BAM文件使用“samtools cat”。所有输入文件的格式必须相同。默认情况下，标头取自要连接的第一个文件。
输出文件
(a) test.file.R1_bismark_bt2_pe.deduplicated.sam
(b) test.file.R1_bismark_bt2_pe.deduplication_report.txt
四、Bismark Methylation Extractor（甲基化信息提取）
cd /home/bismark_example/04extractor
bismark_methylation_extractor \
--comprehensive --no_overlap -p --parallel 30 --split_by_chromosome \
--bedGraph --counts \
--CX_context \
--cytosine_report --report \
--buffer_size 30G \
--genome_folder /home/bismark_example/01index/ \
/home/bismark_example/03duplicate/test.file.R1_bismark_bt2_pe.deduplicated.sam \
-o /home/bismark_example/03duplicate >log 2>&1 &
重要参数说明
bismark_methylation_extractor --help：查看帮助文档
--comprehensive ：合并所有四个可能的特定链，将甲基化信息转换为context-dependent的输出文件
--no_overlap：避免因双端读取read_1和read_2理论上的重叠，导致甲基化重复计算。可能会删去相当大部分的数据，对于双端数据的处理，默认情况下此选项处于启用状态，可以使用--include_overlap禁用。
-p/--paired-end：前一步双端数据产生的结果文件
--bedGraph：指将产生一个BedGraph文件存储CpG的甲基化信息（不与--CX联用，仅产生CpG信息）
--CX/--CX_context：与--bedGraph联用，产生一个包含三种类型甲基化信息的BedGraph文件;与--cytosine_report联用，产生一个包含三种类型甲基化信息的全基因组甲基化报告
--cytosine_report：指将产生一个存储CpG的甲基化信息的报告（不与--CX联用，仅产生CpG信息），默认情况坐标系基于 1
--buffer_size：甲基化信息进行排序时指定内存，默认为2G
--zero_based：使用基于 0 的基因组坐标而不是基于 1 的坐标，默认值：OFF
--split_by_chromosome：分染色体输出
--parallel：指定线程
--report ：产生一个甲基化的summary总结报告
--counts:展示bedGraph中每个C上甲基化和非甲基化reads数量
--genome_folder：包含未修改的参考基因组和bismark_genome_preparation创建的子文件夹(CT_conversion/和GA_conversion/）的文件夹的路径，即/home/bismark_example/01index/
<filenames> :SAM 格式的 Bismark 结果文件
输出文件
(a)CHG/CHH/CpG_context_test.file.R1_bismark_bt2_pe.deduplicated.txt
col1 : 比对上的序列ID
col2 : 基因组正负链：+ -
col3 : 染色体编号
col4 : 染色体位置
col5 : 甲基化C的状态（XxHhZzUu）
X 代表CHG中甲基化的C
x 代笔CHG中非甲基化的C
H 代表CHH中甲基化的C
h 代表CHH中非甲基化的C
Z 代表CpG中甲基化的C
z 代表CpG中非甲基化的C
U 代表其他情况的甲基化C(CN或者CHN)
u 代表其他情况的非甲基化C (CN或者CHN)
CpG：甲基化C下游是个G碱基。
CHH：甲基化C下游的2个碱基都是H（A、C、T）。
CHG：甲基化的C下游的2个碱基是H和G
(b)test.file.R1_bismark_bt2_pe.deduplicated.bedGraph.gz
col1 : 染色体编号
col2 : 胞嘧啶（c）位置信息
col3 : 胞嘧啶（c）位置信息
col4 : 甲基化率
(c）test.file.R1_bismark_bt2_pe.deduplicated.bismark.cov.gz
col1 : 染色体编号
col2 : 起始位置
col3 : 终止位置
col4 : 甲基化率 （col5/col5+col6）
col5 : 甲基化数目
col6 : 非甲基化数目
(d）test.file.R1_bismark_bt2_pe.deduplicated.CX_report.txt
col1 : 染色体编号
col2 : 位置
col3 : 正负链信息
col4 : 甲基化碱基数目
col5 : 非甲基化碱基数目
col6 : 类型
col7 : 具体背景
(e）test.file.R1_bismark_bt2_pe.deduplicated.M-bias.txt/...R1.png/...R2.png
#reads中每个可能位置的甲基化比例
CpG context (R1)
col1 : read position
col2 : 甲基化count（count methylated）
col3 : 非甲基化count（count unmethylated）
col4 : 甲基化率（beta）
col5 : coverage
M-bias plot 通过Perl模块GD:：Graph产生，没有模块的只产生M-bias.txt文件，可用--ignore参数忽略
test.file.R1_bismark_bt2_pe.deduplicated.M-bias_R1.png
test.file.R1_bismark_bt2_pe.deduplicated.M-bias_R2.png
(f）test.file.R1_bismark_bt2_pe.deduplicated_splitting_report.txt 甲基化总体报告
report.png
五、Bismark2report /bismark2summary（可视化生成HTML 报告页面）
#将前面步骤中产生的所有report文件汇集在一个文件夹内
cd /home/bismark_example/05report
bismark2report \
--dir /home/bismark_example/05report/
############
#bismark2summary我还没用过，下次再补齐
bismark2summary \
testA_bismark_bt2.bam testB_bismark_bt2.bam
bismark2report输出
（a）Alignment Stats
总的序列数、没有比对上的序列数、唯一比对的序列数和比对到基因组多个位置的序列数
一.png
（b）Cytosine Methylation
甲基化位点的汇总信息，包括CpG, CHG, CHH 下的甲基化和非甲基化C的数目和比例
二.png
（c）Alignment to Individual Bisulfite Strands
比对到OT, CTOT, CTOB, OB 4种链的reads 数量
三.png
（d）Deduplication
四.png
（e）Cytosine Methylation after Extraction
五.png
