samtools相当慢

Question

我使用"samtools calmd“将MD标记添加回BAM文件。原始BAM的大小约为50 of (利用pacbio HIFI读取的全基因组序列)。我遇到的问题是“冷静”的速度非常慢！作业已经运行了12个小时，只生成了带有MD标记的600 MD。这样，50 In的BAM将需要30天才能完成！

下面是我用来添加MD标记的代码(非常正常)：

rule addMDTag:
    input:
        rules.pbmm2_alignment.output        
    output: 
        strBAMDir + "/pbmm2/v37/{wcReadsType}/Tmp/rawReads{readsIndex}.MD.bam"               
    params:
        ref = strRef
    threads:
        16
    log:
        strBAMDir + "/pbmm2/v37/{wcReadsType}/Log/rawReads{readsIndex}.MD.log"
    benchmark:
        strBAMDir + "/pbmm2/v37/{wcReadsType}/Benchmark/rawReads{readsIndex}.MD.benchmark.txt"
    shell:
        "samtools calmd -@ {threads} {input} {params.ref} -bAr > {output}"

我使用的samtools版本是v1.10。

顺便说一句，我使用16个核心来运行calmd，但是，samtools仍然使用一个核心来运行它：

top - 11:44:53 up 47 days, 20:35,  1 user,  load average: 2.00, 2.01, 2.00
Tasks: 1723 total,   3 running, 1720 sleeping,   0 stopped,   0 zombie
Cpu(s):  2.8%us,  0.3%sy,  0.0%ni, 96.8%id,  0.0%wa,  0.0%hi,  0.0%si,  0.0%st
Mem:  529329180k total, 232414724k used, 296914456k free,    84016k buffers
Swap: 12582908k total,    74884k used, 12508024k free, 227912476k cached

   PID USER      PR  NI  VIRT  RES  SHR S %CPU %MEM    TIME+  COMMAND                                                                                                                                       
 93137 lix33     20   0  954m 151m 2180 R 100.2  0.0 659:04.13 samtools 

我能知道如何使镇静更快吗？还是有其他工具可以更有效地完成同样的工作？

非常感谢

Answer 1

在与samtools维护团队协作之后，这个问题已经解决了。如果bam没有被分类的话，平静会非常慢。因此，始终确保在运行冷静之前已对BAM进行了排序。

详情见下文：

Are your files name sorted, and does your reference have more than one entry? 
If so calmd will be switching between references all the time, 
which means it may be doing a lot of reference loading and not much MD calculation.

You may find it goes a lot faster if you position-sort the input, and then run it through calmd.