比对工具选型：BWA、Bowtie2、Minimap2 深度对比

做变异解读，第一步就是把测序读长怼到参考基因组上。这一步叫比对，也叫mapping。选错工具，后面一切白搭。今天我就把这三种主流比对工具掰开了讲清楚。

一、比对工具核心逻辑

说直白点，比对工具要解决的事情就两个：找位置和算质量。读长是短是长，有没有插入缺失，基因组有没有重复区域——这些都会影响选型。

我做这行八年，踩过最大的坑就是拿Bowtie2去比对三代长读长数据。结果全军覆没，浪费了一周时间。

二、BWA：金标准，但别滥用

BWA 是我用得最多的比对器。尤其 BWA-MEM 算法，对付 Illumina 双端 150 bp 读长，简直是天生一对。它支持 gap 比对，对插入缺失的容忍度不错，速度也够快。

# 建立索引（BWA 的索引是基于 FM-index）
bwa index -a bwtsw hg38.fa

# 双端比对
bwa mem -t 8 -M hg38.fa R1.fastq.gz R2.fastq.gz > aligned.sam

关键参数解读：

• -t 8：线程数。我曾在天河二号上开到 64 线程，性能提升其实不大，反而 IO 成了瓶颈。一般 8～16 就够。
• -M：把 split read 标记为 supplementary。做 GATK 流程时必须加这个。
• -k 20：seed 长度。默认 20，对于 150 bp 读长够用。我调试过一个肿瘤样本，降低到 17 反而捡回了部分低复杂区 cover。

三、Bowtie2：RNA-seq 场景下的特殊选择

说实话，Bowtie2 在变异检测领域的存在感越来越弱。但它在 RNA-seq 定量这块，还是有不可替代的优势。为什么？它原生支持剪接点感知比对。

# Bowtie2 建索引
bowtie2-build hg38.fa hg38

# RNA-seq 比对
bowtie2 -x hg38 -1 R1.fastq -2 R2.fastq \
        -p 8 --very-sensitive-local -S aligned.sam

我个人习惯用 --very-sensitive-local 模式，它采用的是局部比对策略。你想想看，RNA-seq 读长要跨内含子，全局比对根本没法处理这种跨越剪接点的情况。

四、Minimap2：三代测序时代的标配

Minimap2 是 Heng Li 大神又一力作。2018 年刚出来时我还不以为然，直到第一次拿它比对 20X 的 Nanopore 数据——速度比 BWA-MEM 快了两个数量级。

# Minimap2 比对长读长
minimap2 -ax map-ont hg38.fa reads.fastq.gz > aligned.sam

# PacBio CCS 模式
minimap2 -ax map-pb hg38.fa reads.fastq.gz > aligned.sam

# 组装间比对（用于评估）
minimap2 -ax asm5 ref.fa query.fa > aligned.sam

-ax 参数后面的 preset 很关键：

• map-ont：Oxford Nanopore 原始信号与碱基
• map-pb：PacBio 连续长读长（CLR）
• map-hifi：PacBio HiFi 数据（CCS，准确度 > 99%）
• asm5/asm10/asm20：组装间比对，分别对应 5%/10%/20% 差异容忍

我推荐一个场景：当你拿 PacBio HiFi 做结构变异检测时，搭配 map-hifi preset，比对精度能到 99.9%。

五、参数选择的心法

光知道用哪个工具还不够。真正体现工程师水平的，是参数调优。我总结了一条黄金法则：读长决定算法，质量决定参数。

# BWA-MEM 调参示例（高深度 WGS）
bwa mem -t 16 -K 100000000 -Y hg38.fa R1.fastq R2.fastq

# Minimap2 调参示例（结构变异富集）
minimap2 -x map-hifi -c --cs hg38.fa hifi.fastq.gz

六、真实场景选型矩阵

我在项目中试过各种排列组合。下面这张表是我根据实际生产环境总结的，不是纸上谈兵。