Manta — 快速准确的结构变异与大Indel检测工具¶

一句话说明¶

Manta（v1.6.0）能从短读测序数据中检测所有类型的结构变异（SV）——缺失、重复、倒位、易位等，就像用"拼图对比法"找出基因组里的大规模重排，速度极快（40x WGS仅需20分钟）。

安装与配置¶

# 方法1：conda安装（推荐）
conda create -n manta python=3.6   # Manta需要Python 3.6
conda activate manta
conda install -c bioconda manta    # 安装最新版manta（v1.6.0）

# 验证安装
configManta.py --help   # 查看配置脚本帮助

# 方法2：下载预编译二进制包
wget https://github.com/Illumina/manta/releases/download/v1.6.0/manta-1.6.0.centos6_x86_64.tar.bz2
tar xjf manta-1.6.0.centos6_x86_64.tar.bz2
cd manta-1.6.0.centos6_x86_64/bin
./configManta.py --help  # 验证

# 方法3：Docker运行
docker pull rmattila/manta:1.6.0

核心用法¶

模式一：胚系SV检测（单样本/多样本）¶

# 配置胚系分析流程
configManta.py \
    --bam sample.bam \              # 输入BAM（可多次--bam添加多个样本）
    --referenceFasta reference.fasta \  # 参考基因组
    --runDir manta_germline         # 输出目录

# 运行流程
manta_germline/runWorkflow.py \
    -m local \                      # 本地运行
    -j 20                           # 20个线程

模式二：体细胞SV检测（肿瘤-正常配对）¶

# 配置体细胞分析（肿瘤+正常样本）
configManta.py \
    --normalBam normal.bam \        # 正常样本BAM
    --tumorBam tumor.bam \          # 肿瘤样本BAM
    --referenceFasta reference.fasta \
    --runDir manta_somatic          # 输出目录

# 运行
manta_somatic/runWorkflow.py -m local -j 20

模式三：仅肿瘤（无配对正常样本）¶

configManta.py \
    --tumorBam tumor.bam \          # 仅提供肿瘤BAM
    --referenceFasta reference.fasta \
    --runDir manta_tumor_only

manta_tumor_only/runWorkflow.py -m local -j 20

参数详解¶

参数	说明	示例值
`--bam`	胚系分析BAM文件（可多个）	`sample.bam`
`--normalBam`	体细胞分析正常样本BAM	`normal.bam`
`--tumorBam`	体细胞分析肿瘤样本BAM	`tumor.bam`
`--referenceFasta`	参考基因组（需.fai索引）	`hg38.fasta`
`--callRegions`	限定分析区域BED文件（需bgzip+tabix）	`targets.bed.gz`
`--exome`	外显子组模式（WES数据必须设置）	无值，flag参数
`--rna`	RNA-seq模式检测融合基因	无值，flag参数
`--runDir`	输出工作目录	`manta_output/`
`-j`	线程数	`20`
`-m`	运行模式	`local`、`sge`、`lsf`

实战案例¶

# 完整体细胞SV检测流程（以hg38为例）

REF="hg38.fasta"
NORMAL="normal_sample.bam"
TUMOR="tumor_sample.bam"

# 1. 配置Manta体细胞流程
configManta.py \
    --normalBam $NORMAL \
    --tumorBam $TUMOR \
    --referenceFasta $REF \
    --runDir manta_sv_results

# 2. 运行SV检测（多线程加速）
manta_sv_results/runWorkflow.py -m local -j 24

# 3. 查看输出结果
ls manta_sv_results/results/variants/
# diploidSV.vcf.gz           - 胚系SV（双倍体）
# candidateSV.vcf.gz         - 所有候选SV
# candidateSmallIndels.vcf.gz - 候选小Indel（传给Strelka2）
# somaticSV.vcf.gz           - 体细胞SV（仅肿瘤模式）

# 4. 过滤PASS变异
bcftools view -f PASS \
    manta_sv_results/results/variants/somaticSV.vcf.gz \
    -o somatic_sv_pass.vcf.gz -O z

# 5. 按SV类型统计
bcftools view somatic_sv_pass.vcf.gz | grep -v "^#" \
    | awk '{print $5}' | sort | uniq -c
# 结果类似：
# 150 <DEL>    - 缺失
# 45  <DUP>    - 重复
# 23  <INV>    - 倒位
# 12  <BND>    - 断点（易位）

# 6. 提取特定类型（例如缺失）
bcftools view -i 'SVTYPE="DEL"' somatic_sv_pass.vcf.gz -o deletions.vcf.gz -O z

# 7. 将candidateSmallIndels传给Strelka2（最佳实践）
configureStrelkaSomaticWorkflow.py \
    --normalBam $NORMAL --tumorBam $TUMOR \
    --referenceFasta $REF \
    --indelCandidates manta_sv_results/results/variants/candidateSmallIndels.vcf.gz \
    --runDir strelka_somatic

常见报错与解决¶

报错1：configManta.py: ERROR: BAM file index is not found - 原因：BAM文件缺少.bai索引 - 解决：samtools index sample.bam

报错2：ERROR: The following BAM file appears to not be coordinate-sorted - 原因：BAM未按坐标排序 - 解决：samtools sort -o sorted.bam input.bam && samtools index sorted.bam

报错3：WES数据SV检测结果非常少 - 原因：未指定--exome参数，Manta用WGS参数过于保守 - 解决：配置时加--exome参数，同时设置--callRegions限定捕获区域

速查表¶

命令/文件	说明
`configManta.py --bam sample.bam`	配置胚系检测
`configManta.py --normalBam N --tumorBam T`	配置体细胞检测
`configManta.py --exome`	WES数据专用参数
`runWorkflow.py -m local -j N`	本地运行N线程
`somaticSV.vcf.gz`	体细胞SV结果
`diploidSV.vcf.gz`	胚系SV结果
`candidateSmallIndels.vcf.gz`	传给Strelka2的Indel候选
SV类型：DEL/DUP/INV/BND	缺失/重复/倒位/断点（易位）
检测范围：≥300bp（短读）	最小可靠SV大小