其中，短序列比对（mapping）是NGS分析的重中之重，目前流行的外显子、WGS、GBS都需要用到短序列比对。在众多短序列比对中，BWA和bowtie2是其中的佼佼者，随着三代测序long read的兴起，BWA也及时跟进了算法，增加了split reads和RNAseq的比对，让BWA隐隐有成为金标准的趋势。

目前BWA支持三种算法，分别是bwa-backtrack，bwa-sw和bwa-mem，其中backtrack主要用于100bp以下的reads，目前较少应用。sw和mem算法都支持long read和split比对，支持70bp到1M的reads，其中mem算法更新、更快、更强，可用于illumina、454、sanger等多个平台，是官方流程推荐的算法，很明显，跟着官方workflow走就对了。接下来跟着小果进入实操环节吧。

首先当然是软件安装环节，小果作为资深的生信狗，不要跟我提conda，什么bioconda，什么一键安装。不可能，绝对不可能，我果小果就是累死，所有头发都薅秃，也不会用你一次conda。

咳咳，首先让我们打开conda,安装bwa

参数如图所示，在bwa工作流程中，序列比对分为两步，首先需要使用bwa index建立索引，其中-a可以指定索引的算法，其中包括bwtsw、is和rb2，is适合用于参考基因组较小的物种，如细菌，人类基因组则需要使用bwtsw。位于中间的基因组选哪个都行。

人家说可以加-a，也没说一定要加呀。

构建完index后就可以进行序列比对了，bwa mem同时支持单端测序和双端测序序列比对代码如下所示。

其中-R里的内容非常重要，不同lane、文库、样本依赖RG进行区分后续gatk进行snp calling时会检查-R是否缺失，-t是指计算的线程数，reads1和reads2指双端测序的两条reads，单端测序也可以只填一个，输出的result支持sam和bam两种格式。

至此，fastq已经转化为bam文件了，欲知后续分析如何进行，欢迎关注微信公众号。