如何快速上手Cactus：5分钟用Docker跑通第一次基因组多序列比对
【免费下载链接】cactusOfficial home of genome aligner based upon notion of Cactus graphs项目地址: https://gitcode.com/gh_mirrors/cact/cactus
Cactus 是一款基于 Cactus 图的无参考基因组多序列比对（Whole-Genome Alignment）开源工具，同时也是构建泛基因组图谱（Pangenome Graph）的主流工具箱。本文不编译、不配环境，直接用 Docker 带你在 5 分钟内跑通 Cactus 的第一次基因组多序列比对，亲眼看到 HAL 比对结果。
Cactus 是什么？两种核心玩法
Cactus 有两个主打场景，覆盖了比较基因组学的两大需求：
| 场景 | 输入 | 输出 | 适用 |
|---|---|---|---|
| 渐进式比对 Progressive Cactus | 多个物种的基因组 + 系统发育树 | HAL 多序列比对文件 | 跨物种比较基因组学 |
| 泛基因组构建 Minigraph-Cactus | 同一物种的多个个体基因组 | 泛基因组图谱 + VCF 变异 | 群体变异分析 |
比对结果是带索引的 HAL 文件，内置工具链可进一步导出 MAF、Chains、phyloP 保守性分数等，无缝对接主流下游流程。下面就是 Cactus 为一批酵母基因组构建的泛基因组图谱（chrI）可视化效果：
Cactus 还有一个很实用的能力：支持在已有比对上增量添加新物种。把新基因组挂到系统的分支或节点上时，只需重算极少量子比对，而不是从零重跑：
准备工作：克隆仓库，拿到官方示例数据
前提只有一个：机器上安装了 Docker。Cactus 官方自带 evolverMammals 示例（5 个模拟哺乳动物基因组，每个约 600kb），几分钟即可跑完，是第一次验证环境的最佳选择。
1️⃣ 克隆 Cactus 仓库（示例数据就在仓库里）：
git clone https://gitcode.com/gh_mirrors/cact/cactus cd cactus2️⃣ 看看示例输入文件examples/evolverMammals.txt，格式非常简单：
# 第一行：NEWICK 格式的系统发育树（叶子节点必须唯一命名，单行） ((simHuman_chr6:0.144018,(simMouse_chr6:0.084509,simRat_chr6:0.091589)mr:0.271974):0.020593,(simCow_chr6:0.18908,simDog_chr6:0.16303):0.032898); # 后续每行：基因组名称 + 该基因组的 FASTA 路径（也支持 URL / 目录） simCow_chr6 path/to/simCow.fasta simDog_chr6 path/to/simDog.fasta simHuman_chr6 path/to/simHuman.fasta simMouse_chr6 path/to/simMouse.fasta simRat_chr6 path/to/simRat.fasta💡 分支长度（冒号后面的数字）会驱动 lastz 比对参数：物种越近，参数越快。不确定时直接省略，Cactus 默认按 1 处理。
5 分钟 Docker 快速开始：一条命令跑通第一次比对
Cactus 的标准命令只有 3 个参数：
cactus <jobStore路径> <seqFile输入文件> <输出HAL文件>| 参数 | 含义 |
|---|---|
| jobStore | 中间文件与任务元数据目录（由 Toil 管理，支持断点续跑） |
| seqFile | 上文的examples/evolverMammals.txt |
| 输出HAL | 比对结果文件，如evolverMammals.hal |
把当前目录挂载进容器的/data，一条命令启动比对：
docker run --user $(id -u):$(id -g) -v $(pwd):/data --rm -it \ quay.io/comparative-genomics-toolkit/cactus:v3.2.1 \ cactus /data/jobStore /data/examples/evolverMammals.txt /data/evolverMammals.hal为什么推荐 Docker 方式？
官方镜像内置 Python 环境以及 lastz、hal、abPOA、red、minigraph、paffy 等全部 C 语言二进制依赖（构建过程见Dockerfile），镜像发布前还会执行cactus --help自检——本地零配置、零依赖冲突，这是新手最省心的上手方式。
运行期间，Cactus 会自动经历预处理打掩码 → 两两比对（blast）→ 渐进式多序列比对（align）三个阶段，控制台持续滚动任务日志。
如何验证比对成功？用 halStats 查看 HAL 结果
运行结束后，当前目录会多出一个evolverMammals.hal和jobStore/目录。用镜像内置的 HAL 工具链验证一下：
docker run --user $(id -u):$(id -g) -v $(pwd):/data --rm -it \ quay.io/comparative-genomics-toolkit/cactus:v3.2.1 \ halStats /data/evolverMammals.hal输出节选如下：
((simHuman_chr6:0.144018,((simMouse_chr6:0.084509,simRat_chr6:0.091589)mr:0.171974,simGorilla:0.075)AncGorilla:0.1)Anc1:0.020593,(simCow_chr6:0.18908,simDog_chr6:0.16303)Anc2:0.032898)Anc0; GenomeName, NumChildren, Length, NumSequences, NumTopSegments, NumBottomSegments Anc0, 2, 535128, 13, 0, 17165 simHuman_chr6, 0, 601863, 1, 25791, 0 simMouse_chr6, 0, 636262, 1, 62021, 0能看到每个输入基因组、重建祖先（Anc0/Anc1/Anc2）的长度与比对块统计——说明你的第一次 Cactus 基因组多序列比对已经成功 🎉
如果更喜欢边跑边看，可以进入交互式容器，更灵活：
docker run -v $(pwd):/data --rm -it quay.io/comparative-genomics-toolkit/cactus:v3.2.1 bash # 进入容器后依次执行： cactus /data/jobStore /data/examples/evolverMammals.txt /data/evolverMammals.hal halStats /data/evolverMammals.hal进阶：把 HAL 比对结果导出为 MAF 格式
当下游工具（Phast、UCSC 浏览器等）需要列式比对时，用镜像内置的cactus-hal2maf在交互式容器中执行：
cactus-hal2maf /data/jobStore /data/evolverMammals.hal /data/evolverMammals.maf.gz \ --refGenome simHuman_chr6 --chunkSize 1000000 --outType single--outType single保证每个基因组每块至多出现一行，兼容性最好；更多选项（并行、过滤旁系同源）见doc/progressive.md的 "MAF Export" 一节。
举一反三：同一物种？试试泛基因组图谱
如果你的输入是同一物种的多个个体（而非不同物种），应改用 Minigraph-Cactus 流程：用examples/yeastPangenome.txt（一批酵母基因组）作为输入，一条cactus-pangenome命令即可产出泛基因组图谱和 VCF，完整参数说明在doc/pangenome.md。酵母 chrI 图谱用二维布局（odgi draw）画出来是这样的：
新手避坑小贴士
- 断点续跑：重跑相同命令并复用同一个 jobStore，Cactus（底层是 Toil）会自动跳过已完成的任务，大项目不必从头再来。
- 真实基因组要更多资源：示例只有 ~600kb；比对哺乳动物全基因组通常需要 64 核 / 数百 GB 内存，Slurm 集群加
--batchSystem slurm --doubleMem true，必要时用--maxMemory/--consMemory控制内存申请。 - 打掩码是硬需求：真实基因组请先做 soft-mask（如 RepeatMasker），未打掩码的比对可能慢几十倍，重复序列过多还会让 blast 阶段内存爆炸。
- 想调参数：复制
src/cactus/cactus_progressive_config.xml编辑后，用--configFile传入即可覆盖默认值（注意配置文件版本要与 Cactus 版本一致）。 - 进阶文档：
doc/progressive.md（跨物种比对）、doc/pangenome.md（泛基因组）、ReleaseNotes.md（版本动态）是最好的进阶材料。
总结
- Cactus = 无参考基因组多序列比对 + 泛基因组图谱构建二合一，核心命令仅 3 个参数：
cactus <jobStore> <seqFile> <outputHal> - Docker 镜像（当前 v3.2.1）开箱即用，
-v $(pwd):/data挂载 +--user $(id -u):$(id -g)是标准姿势 - 用
halStats验证 HAL 输出，用cactus-hal2maf导出 MAF 下游格式 - 5 个模拟基因组跑通后，把 seqfile 换成你自己的基因组和系统树，就是一次真正的生产级比对
【免费下载链接】cactusOfficial home of genome aligner based upon notion of Cactus graphs项目地址: https://gitcode.com/gh_mirrors/cact/cactus
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
