SvABA — 基于局部从头组装的结构变异检测工具¶

# 方法1：conda安装
conda create -n svaba python=3.8
conda activate svaba
conda install -c bioconda svaba    # 安装最新版SvABA（v1.x）

# 验证安装
svaba --version    # 查看版本信息
svaba run --help   # 查看运行帮助

# 方法2：源码编译（获取最新功能）
git clone --recursive https://github.com/walaj/svaba
cd svaba
./configure && make -j 8   # 编译（需要GCC 4.8+, zlib, bz2, lzma库）

# 依赖准备（必须）
# SvABA需要参考基因组的BWA索引
bwa index reference.fasta       # 建立BWA索引（较慢，只需一次）
samtools faidx reference.fasta  # 建立samtools索引

# 最基本用法
svaba run \
    -t sample.bam \              # 输入BAM（-t是target/肿瘤，也可用于胚系）
    -G reference.fasta \         # 参考基因组（需BWA索引）
    -a output_prefix \           # 输出文件前缀
    -p 16                        # 线程数

# 体细胞分析（区分肿瘤特有变异）
svaba run \
    -t tumor.bam \               # 肿瘤样本BAM
    -n normal.bam \              # 正常样本BAM（-n参数）
    -G reference.fasta \
    -a somatic_output \          # 输出前缀
    -p 16                        # 线程数

# 限定特定区域运行
svaba run \
    -t tumor.bam \
    -n normal.bam \
    -G reference.fasta \
    -a output \
    -k targets.bed \             # 仅分析BED文件中的区域（WES时使用）
    -p 16

# 完整体细胞SV检测流程

REF="hg38.fasta"
# BWA索引必须存在（在同目录下有ref.fa.bwt等文件）
# 如果没有先建索引：bwa index $REF

# 1. 运行SvABA体细胞分析
svaba run \
    -t tumor_sample.bam \
    -n normal_sample.bam \
    -G $REF \
    -a my_sample \             # 输出文件将以 my_sample 开头
    -p 24 \                    # 24线程
    -D dbsnp.vcf \             # 用dbSNP过滤已知胚系变异
    2> svaba_run.log           # 保存日志

# 2. 查看输出文件
ls my_sample.*
# my_sample.svaba.sv.vcf           - SV（结构变异）
# my_sample.svaba.indel.vcf        - Indel（插入缺失）
# my_sample.svaba.unfiltered.sv.vcf    - 未过滤SV
# my_sample.svaba.unfiltered.indel.vcf - 未过滤Indel
# my_sample.bps.txt.gz              - 断点信息
# my_sample.alignments.txt.gz       - contig比对详情

# 3. 分析体细胞SV（过滤正常样本中无支持的变异）
grep -v "^#" my_sample.svaba.sv.vcf | \
    awk '$7=="PASS"' | \         # 仅保留PASS的变异
    wc -l                        # 统计通过过滤的SV数

# 4. 统计SV类型分布
grep -v "^#" my_sample.svaba.sv.vcf | \
    awk '$7=="PASS"{print $5}' | \
    sort | uniq -c               # 各类型变异数量

# 5. 提取大缺失（>1kb，可能影响基因）
grep -v "^#" my_sample.svaba.sv.vcf | \
    awk '$7=="PASS"' | \
    awk 'match($8, /SVLEN=([^;]+)/, arr) && arr[1]+0 < -1000' | \
    head -20                     # 查看前20个大缺失