企业官网建设流程全解析

Snippy 怎么用？一份从安装到多样本比对的完整实操笔记

【免费下载链接】snippy:scissors: :zap: Rapid haploid variant calling and core genome alignment项目地址: https://gitcode.com/gh_mirrors/sn/snippy

Snippy 是一套面向单倍体基因组的快速变异检测流水线，它能在参考序列与测序数据之间一次性定位 SNP 和插入缺失，并自动完成注释与核心基因组比对。如果你是做细菌、病毒或质粒测序的研究人员，下面这份笔记会按"选型 → 安装 → 首跑 → 批量"的顺序，带你走完从零到产出变异清单的全过程。

它到底帮你做什么

设想一个常见场景：你手上有十几个样本的测序数据，想快速知道它们相对某个参考基因组各自发生了哪些突变，还想比较它们之间的亲缘关系。手工比对、逐位筛查显然不现实，Snippy 就是把这条流水线压缩成一条命令的工具。

• 适用对象：细菌、病毒、质粒、线粒体等单倍体基因组
• 输出内容：变异位点清单（VCF/TAB）、比对文件（BAM）、修正版基因组（consensus）、核心 SNP 比对（core.aln）
• 工作方式：内部依次调用 bwa 做比对、freebayes 找变异、snpEff 做注释，对外只暴露一个入口

⚠️ 注意：Snippy 面向单倍体样本。人类这类二倍体需要区分杂合位点，不在它的处理范围内。

开工前，先核对这几样

• ✅ 参考基因组：FASTA 或 GenBank 格式均可，多 contig 不影响
• ✅ 测序数据：FASTQ 或 FASTA，支持 gzip 压缩
• ✅ 一个专门存放结果的文件夹
• ✅ 硬件：多核 CPU 能显著提速（官方在 64 核机器上验证过）
• ✅ 外部依赖：bwa、minimap2、samtools、bcftools、bedtools、freebayes、snpEff、samclip、seqtk 等

最后一项最容易被忽视：Snippy 本体只是一个调度脚本，真正干重活的是背后那一串外部程序。任何一个缺失，流程都会在中途停下。所以判断安装是否成功，不能只看 Snippy 本身。

三条安装路径怎么取舍

Conda 路线，一条命令把依赖一起装齐：

conda install -c conda-forge -c bioconda -c defaults snippy

Homebrew 路线：

brew install brewsci/bio/snippy

源码路线，先把代码拿到手，再补依赖：

git clone https://gitcode.com/gh_mirrors/sn/snippy.git export PATH=$PWD/snippy/bin:$PATH

源码方式只是拿到 Snippy 本体，配套程序仍需另行安装，例如：

conda install -c bioconda bwa samtools bcftools freebayes snpeff samclip seqtk

连续实操：装完 → 验证 → 跑第一个案例

第 1 步：确认版本号。

snippy --version

预期会打印出版本字符串（当前仓库为 5.0.0-dev）；如果提示找不到命令，多半是 PATH 没配对，回头检查一下路径配置。

第 2 步：检查全部依赖。

snippy --check

命令会逐个探测比对、排序、变异识别、注释等环节用到的外部程序，可用的显示 OK 或版本信息。若有缺失就针对性补装，然后重新检查，直到全部通过。这一步值得认真做——检查通过再上真实数据，能避免跑到一半才发现缺工具。

第 3 步：准备一份练手数据。

仓库的 test 目录里已经备好 example.fna（参考序列）、example.gbk（带注释版本）和 example.bed（区域文件）。真实 reads 文件比较大，先用 wgsim 按参考序列模拟一对双端 reads：

cd test wgsim -S 7 -h -r 0.005 -N 12000 -1 100 -2 100 -d 200 example.fna sim_1.fq sim_2.fq

这行命令的作用：以参考序列为模板，随机撒入约 0.5% 的变异，生成 1.2 万对、长度 100 bp 的虚拟双端 reads，用来验证整条流程是否通畅。

第 4 步：正式检出变异。

snippy --cpus 4 --outdir demo1 --ref example.fna --R1 sim_1.fq --R2 sim_2.fq

运行过程中会依次看到比对、变异识别等阶段日志，收尾时打印结果目录路径并显示 Done。

第 5 步：查看产出。

ls demo1

此时文件夹里已经躺着整套标准产物。

结果文件夹里都有什么

想直接看变异清单，执行：

head -5 demo1/snps.tab

表格各列的含义依次是：变异所在的序列名（CHROM）、位置（POS）、类型（TYPE，取值 snp/mnp/ins/del/complex）、参考碱基（REF）、样本碱基（ALT）、支持各碱基的 reads 计数（EVIDENCE）。

如果参考用的是 example.gbk 这类带注释的文件，表格还会多出基因名、产物描述和影响效应列——变异落在哪个基因、是否改变氨基酸，一眼就能看到，这是 Snippy 很贴心的设计。

从单样本扩展到批量分析

样本一多，逐个手敲命令就不现实了。Snippy 提供了批量入口：先准备一个制表符分隔的清单文件 input.tab，每行描述一个样本：

SampleA /path/to/A_1.fq.gz /path/to/A_2.fq.gz SampleB /path/to/B.fq.gz SampleC /path/to/C.contigs.fa

生成并检查批量脚本：

snippy-multi input.tab --ref Reference.gbk --cpus 16 > runme.sh less runme.sh

确认脚本内容无误后放行：

sh runme.sh

脚本会逐个样本输出结果文件夹，并在末尾自动调用 snippy-core，把所有样本都有覆盖的位点聚合成核心 SNP 比对，产出 core.aln（多序列比对）和 core.vcf（多样本 VCF）。core.aln 可以直接交给 FastTree 等建树工具绘制系统发育树，做亲缘关系分析。

三个高频调参场景

场景一：深度太高，跑得特别慢。有的样本深度高达上千倍，而多数变异在 50~100 倍深度下就能可靠检出。用 --subsample 按比例随机抽读：

snippy --subsample 0.1 --outdir demo2 --ref ref.fna --R1 R1.fq.gz --R2 R2.fq.gz

场景二：只关心特定区域。比如只想筛耐药基因上的突变，把目标区域写进 BED 文件，用 --targets 限定范围，能省下大量计算：

snippy --targets sites.bed --outdir demo3 --ref ref.fna --R1 R1.fq.gz --R2 R2.fq.gz

场景三：只有 contigs 没有原始 reads。改用 --ctgs 传入 contigs 文件，Snippy 会把它撕成约 250 bp 的伪 reads 再比对，产物与 reads 样本完全兼容，可以混在一起参与批量分析：

snippy --outdir demo4 --ref ref.fna --ctgs sample.fasta

另外三个核心过滤参数也值得记住：--mincov（位点最少覆盖数，默认 10）、--minfrac（支持变异碱基的最低比例）、--minqual（最低质量值，默认 100），它们共同决定了最终哪些变异会被保留。

出问题时的排查速查表

收尾：跑通之后继续做什么

1. 用测试数据完整走一遍"验证 → 单样本 → 批量"的流程，把每个环节的输出记在脑子里，再碰真实数据。
2. 正式样本开跑前备份好原始 reads，并为每个样本建立清晰的命名规范，方便日后追溯。
3. 记录 --version 的输出和关键参数——变异检测结果与版本强相关，注明版本能让你的结果更可信、可复现。
4. 进阶方向：结合 --report 生成逐位点可视化报告，或把 core.aln 送入建树、重组过滤流程做群体分析。

Snippy 的价值在于把"比对—变异识别—注释—汇总"这条长流水线封装成一条命令。当你把第一份 reads 顺利变成一张清晰的变异表格时，后续的群体分析和系统发育研究也就有了可靠的数据地基。

【免费下载链接】snippy:scissors: :zap: Rapid haploid variant calling and core genome alignment项目地址: https://gitcode.com/gh_mirrors/sn/snippy