在给罕见病患者患者检测突变的过程中，积累了一些高通量测序（二代测序,NGS）DNA测序数据的计算机处理 的经验，在这里交流一下：

当测序公司测了高通量测序NGS，比如千余元的全外显子组测序，几千元的全基因组测序，或者千元的panel测序之后，会将测序结果以fastq或者fq文件的gz压缩包的形式返还给实验人员。解压之后得到fastq或者fq文件，这俩种文件其实是一样的。这个fastq文件的其实就是txt文件这种纯文本文件，当然，如果您要用记事本打开，由于文件太大，还是会卡住甚至死机的。

fastq文件就是DNA碎片序列的随机罗列。要想看明白这个文件，就要对这些序列进行排序。对简单的排序方法就是把人类基因组标准序列文件放在边上，然后把这些碎片逐个往上比对。这就类似把一本未知版本红楼梦撕碎了，然后想拼回来非常困难，那么拿程甲本红楼梦作对照，就能快速拼接回去了，尽管难免会有些许错误。

看到这，大家可能就会想到，拿程甲本红楼梦作对照和拿程乙或者庚辰版本红楼梦作对照，拼接效果会有差异。没错，最好是用与未知版本红楼梦最接近而且经过最新校订版本的红楼梦。所以，用中国人的标准序列，是最好的。当然，为了方便，大多数人选择用标准黑人的较新38版剑桥序列作标准。

看了这么多理论背景，到了操作阶段。先准备一台6g内存以上的windows电脑，都不需要linux。把显示文件扩展名调出来。然后下载38版剑桥标准序列。在这里

ftp://ftp.ncbi.nlm.nih.gov/genomes/all/GCA/000/001/405/GCA_000001405.15_GRCh38/seqs_for_alignment_pipelines.ucsc_ids

用下载软件（尽量别用迅雷）下载以下三个文件

GCA_000001405.15_GRCh38_full_analysis_set.fna.bwa_index.tar.gz

GCA_000001405.15_GRCh38_full_analysis_set.fna.fai

GCA_000001405.15_GRCh38_full_analysis_set.fna.gz

解压缩产生一堆文件之后放在一个根目录上的英文目录里面。建议统一改短名。

然后就是fastq或者fq文件的gz压缩包，解压之后也放在里面，假如名字是abc1和abc2

还有就是程序，选用最最主流的，几乎所有文献都用的，bwa程序（俄罗斯人编译的window版本，见附件）。三个程序文件也放进目录

下面开始操作。首先进入命令提示符

输入 盘名字，比如d：回车

然后cd空格您的那个英文目录回车

进入之后输入bwa mem -t 2 剑桥序列文件名.fna abc1.fq abc2.fq >abc.sam

等待几个小时吧。。。。。运行完了就产生了abc.sam

下一步要把sam 转换成bam

需要samtools程序（windows版本，也在下面有下载）的另6个文件，

解压后取代刚才那三个bwa程序文件！

依次运行

samtools view -bS abc.sam > abc.bam

samtools sort abc.bam abcs

samtools index abcs.bam

大功告成了

得到了比对完成的bam文件，可以用各种可视化软件看了。当然也可以接着用call variant的各种方法找突变啥的，以后再介绍吧。

大家如果运行的时候有碰到问题，欢迎回复交流；下载那三个大文件太慢的话可以回复，实在弄不明白的话，也可找我帮忙分析

• bwa-0.7.12.rar(1358.9k)


• samtools-0.1.19.rar(1942.87k)

啥成熟？用成熟方法的话，分析我研究的nemo基因百分百会漏掉！

根本就不成熟！

再说你看看文献，起码一大半文献都用bwa,!这是主流！你用所谓成熟方法，有人承认么！