Clair3 — 长读测序深度学习变异检测工具¶

# 方法1：conda安装（推荐，v1.2.0）
conda create -n clair3 python=3.9
conda activate clair3
conda install -c bioconda clair3   # 安装最新稳定版（支持GPU加速，v1.2.0+）

# 验证安装
run_clair3.sh --help    # 查看主运行脚本帮助

# 方法2：Docker（最简单，包含所有依赖）
docker pull hkubal/clair3:latest        # CPU版本
docker pull hkubal/clair3:latest_gpu    # GPU版本（需nvidia-docker）

# 方法3：Singularity（HPC集群）
singularity pull docker://hkubal/clair3:latest

# 下载模型文件（根据测序数据类型选择）
# ONT R10.4.1数据（sup碱基检测）- 最常用
MODEL_DIR=/path/to/models
wget -r -nH --cut-dirs=2 \
    https://cdn.oxfordnanoportal.com/software/analysis/rerio/clair3_models/r1041_e82_400bps_sup_v420/ \
    -P $MODEL_DIR

# 最常用命令（ONT R10.4.1 sup模型）
run_clair3.sh \
    --bam_fn=aligned_reads.bam \         # 输入比对BAM（需排序和索引）
    --ref_fn=reference.fasta \            # 参考基因组
    --threads=16 \                        # 线程数
    --platform=ont \                      # 测序平台：ont 或 hifi
    --model_path=/models/r1041_e82_400bps_sup_v420 \  # 模型路径
    --output=/clair3_results              # 输出目录

# HiFi数据使用对应模型
run_clair3.sh \
    --bam_fn=hifi_reads.bam \
    --ref_fn=reference.fasta \
    --threads=16 \
    --platform=hifi \                    # HiFi平台
    --model_path=/models/hifi_revio \    # HiFi模型
    --output=/clair3_hifi_results

# GPU加速（v1.2.0起原生支持，速度约5倍提升）
run_clair3.sh \
    --bam_fn=aligned_reads.bam \
    --ref_fn=reference.fasta \
    --threads=16 \
    --platform=ont \
    --model_path=/models/r1041_e82_400bps_sup_v420 \
    --output=/clair3_results \
    --use_gpu=True                       # 开启GPU加速

# 完整ONT变异检测流程

REF="hg38.fasta"
# 下载ONT R10.4.1 sup模型（Dorado v5.2碱基检测）
MODEL="/data/models/r1041_e82_400bps_sup_v520"

# 1. 确认BAM已排序和索引
samtools sort -@ 16 -o sorted.bam input.bam
samtools index sorted.bam

# 2. 运行Clair3变异检测
run_clair3.sh \
    --bam_fn=sorted.bam \
    --ref_fn=$REF \
    --threads=32 \
    --platform=ont \
    --model_path=$MODEL \
    --output=clair3_out \
    --include_all_ctgs \           # 包含所有染色体（包括非主要）
    --gvcf \                       # 同时输出GVCF（需要时）
    --sample_name=PATIENT_01 2>&1 | tee clair3.log

# 3. 查看输出结果
ls clair3_out/
# merge_output.vcf.gz       - 最终合并的VCF
# merge_output.vcf.gz.tbi   - VCF索引
# tmp/                      - 中间文件

# 4. 统计变异数量
bcftools stats clair3_out/merge_output.vcf.gz | grep "^SN"
# SN  0  number of samples:    1
# SN  0  number of SNPs:       3526891
# SN  0  number of indels:     412356

# 5. 过滤高置信度变异（FILTER=PASS）
bcftools view -f PASS clair3_out/merge_output.vcf.gz \
    -o clair3_pass.vcf.gz -O z
tabix -p vcf clair3_pass.vcf.gz

# 6. 下游单倍型分型（WhatsHap）
whatshap phase \
    --output phased.vcf.gz \
    --reference $REF \
    clair3_pass.vcf.gz \
    sorted.bam
tabix -p vcf phased.vcf.gz