genome - 如何修复“bowtie2 因信号 9（KILL）错误而死”

Question

我正在组装蟋蟀末端神经节（Gryllus bimaculatus）的转录组。我们正在研究一种非模型物种，因此在图书馆准备过程中没有去除核糖体污染。我们想以生物信息学的方式去除核糖体污染，我正在将我们的序列映射到 silva 核糖体数据库 ( https://www.arb-silva.de/ )，这些序列已经使用 fastqc 和 rcorrector 进行了质量控制。我将 fasta silva 数据库文件上传到 HPC，将它们连接起来，转换 U's-->T's，然后 bowtie2 索引生成的 fasta 文件。现在，当我们想将我们的序列映射（bowtie2-align）到 silva 数据库时，我们遇到了问题。你以前遇到过这样的错误吗？如果是这样，您是如何解决的？

我已经尝试了这个脚本的许多变体，几乎只是对我放置星号 (**) 的区域进行故障排除。对于加星标的部分，我还尝试了 --sensitive-local、--fast-local 和 --very-fast-local，使用不同的线程组合和这些 moosehead 命令：

qsub -l 10g=true -pe smp 16 silva_test9.sh

qsub -l gpu=1 -pe smp 16 silva_test10.sh

qsub -l 10g=true -pe smp 40 silva_test5.sh

在将脚本提交到我们校园的 HPC 时，我还使用了线程数（在“smp”之后）。

在脚本本身中，我也使用了 --threads 的数量。除了使用 cpu 作为变量之外，我刚刚将线程数放在那里（12、16、40 等）。我们可以使用的最大 RAM 量是 360GB。

大多数时候，我在几个小时甚至几天后就放弃了这份工作。输出文件在正确的位置创建，但其中没有任何内容。我收到的错误消息是“bowtie2 因信号 9 (KILL) 而死”。

#!/bin/bash
#$ -cwd
#$ -j y
#$ -S
#$ -pe smp 40
#$ -M [e-mail] -m be

export silva_db=/mnt/research/hhorch/term_RNAseq_analysis/silva_db/silva_db/silva_db
export r1=/mnt/research/hhorch/term_RNAseq_analysis/trimmed_reads_cor_val/fixed_1C_1_R1.cor_val_1.fq
export r2=/mnt/research/hhorch/term_RNAseq_analysis/trimmed_reads_cor_val/fixed_1C_1_R2.cor_val_2.fq
export summary=/mnt/research/hhorch/term_RNAseq_analysis/rRNA/1C_1_rrna_summary.txt
export mapped=/mnt/research/hhorch/term_RNAseq_analysis/rRNA/rrna_mapped_1C_1
export unmapped=/mnt/research/hhorch/term_RNAseq_analysis/rRNA/rrna_unmapped_1C_1
export single_mapped=/mnt/research/hhorch/term_RNAseq_analysis/rRNA/single_mapped_1C_1
export single_unmapped=/mnt/research/hhorch/term_RNAseq_analysis/rRNA/single_unmapped_1C_1

bowtie2 **--very-sensitive-local** --phred33  -x $silva_db -1 $r1  -2 $r2 **--threads 40** --met-file $summary --al-conc-gz $mapped --un-conc-gz $unmapped --al-gz $single_mapped --un-gz $single_unmapped -S "$name"_out.sam

我希望输出完成摘要、未映射、single_mapped 和 single_unmapped 文件，这些文件可以在文件路径 /mnt/research/hhorch/term_RNAseq_analysis/rRNA 中找到。我一直在密切关注从头转录组组装的哈佛最佳实践 ( https://informatics.fas.harvard.edu/best-practices-for-de-novo-transcriptome-assembly-with-trinity.html )。

标签： genome