Bowtie 是由 Johns Hopkins University 相关研究团队支持的短读长 DNA 序列比对软件,官网将其定位为“An ultrafast, memory-efficient short read aligner”。它用于把短 DNA reads 对齐到人类基因组或其他参考基因组,核心特点是使用 Burrows-Wheeler index 对基因组建立索引,在处理短序列时控制内存占用。官网给出了明确的处理能力和内存数据:对人类基因组,速度可达到每小时超过 2500 万条 35-bp reads,索引通常占用约 2.2 GB;paired-end 场景下通常约为 2.9 GB。项目以开源软件形式发布,官网提供源码、安装方式、教程、手册、预构建索引和问题反馈入口。
核心功能
短 DNA 序列比对
Bowtie 的主要任务是将短 DNA 序列 reads 对齐到参考基因组。官网明确说明其面向 short read alignment,并以人类基因组为示例给出每小时超过 2500 万条 35-bp reads 的处理速度。它适用于需要对短测序读段进行基因组定位的分析流程,输出可用于后续基因组数据处理的比对结果。
Burrows-Wheeler 基因组索引
Bowtie 使用 Burrows-Wheeler index 对基因组进行索引,以保持较小的内存占用。官网给出的典型占用是人类基因组约 2.2 GB,paired-end 索引约 2.9 GB。网站同时提供预构建索引下载,用户可以直接使用对应参考组装版本的索引,而不必从零开始建立每一个参考基因组索引。
多物种预构建索引
官网列出了 H. sapiens、M. musculus、R. norvegicus、B. taurus、C. familiaris、G. gallus、D. melanogaster、A. thaliana、C. elegans、S. cerevisiae 和 E. coli 等参考基因组的预构建索引。索引覆盖不同来源和版本,例如 NCBI GRCh38、UCSC hg19、UCSC mm9 等;部分人类参考还提供带有 1000 Genomes major SNP 的版本。索引文件大小从 5 MB 到 2.7 GB 不等,具体取决于物种和组装版本。
FASTQ、FASTA 与压缩读取支持
版本更新记录显示,Bowtie 支持多种读段输入方式,包括 FASTA、FASTQ 和压缩的 FASTQ 文件;版本 1.2.1 增加了对 gzip read files 的原生支持,也增加了 interleaved paired-end FASTQ 输入支持。版本 1.2.3 增加了从 gzipped-compressed FASTA 构建索引的能力。站点还记录了从标准输入读取数据的相关修复,以及对 paired-end 输入的处理选项。
多线程与 SAM 输出控制
Bowtie 的版本记录包含多线程处理、并行索引构建和线程扩展方面的功能。版本 1.2.0 重写了 read parsing,以便扩展到更多线程,并加入 --reads-per-batch 参数控制一次从输入文件读取的 reads 数量;同时以 TBB 作为默认 threading library,并保留不使用 TBB 的 legacy 构建方式。命令行选项还包括 --threads、--reorder、--no-unal、-M 和 -m 等,用于控制线程数、SAM 输出顺序、未比对 reads 是否输出以及重复比对相关行为。
使用方式
Bowtie 以可安装的软件包、源码和预编译版本提供,官网的 Site Map 包含 Getting started 和 Manual 页面,项目也链接到 GitHub repository。用户可以通过 Bioconda 安装,或从 SourceForge 获取 Bowtie 1.3.1。使用时需要准备参考基因组或采用官网提供的预构建索引,再通过命令行参数指定索引和输入 reads;官网还提供 FASTA、FASTQ、压缩文件及 paired-end 输入相关说明。正文没有提到注册、在线网页处理或自备模型 Key。
适用人群与场景
从官网给出的功能和相关工具看,Bowtie 面向需要处理短 DNA 测序 reads 的生物信息学研究者和基因组分析人员。进行人类基因组比对时,可以使用 GRCh38、hg19、hg18 等预构建索引;研究小鼠、果蝇、拟南芥、线虫、酵母或大肠杆菌等物种时,可以选择对应参考基因组索引。需要 paired-end、压缩 FASTQ、SAM 输出或多线程处理的命令行分析流程,也可以使用其相应参数和输入支持。官网还列出了使用 Bowtie 的相关工具,包括 TopHat、Cufflinks、Myrna 和 Crossbow,说明它可作为 RNA-Seq、异构体组装、定量、差异基因表达和云计算相关流程中的比对组件。
注意事项
官网说明所有预构建索引针对的是 assemblies,而不是 contigs,并排除了 unplaced、unlocalized sequences 和 alternate haplotype assemblies。部分索引压缩包超过 2 GB,一些解压程序可能无法处理,网站建议遇到下载或解压问题时分两部分下载,并使用 MD5 文件检查完整性。版本 1.3.0 已完全移除 colorspace functionality,因此不能把旧版本的该功能视为当前版本能力。官网列出的最新版本为 Bowtie 1.3.1,发布日期为 2021 年 9 月 13 日。