RNA 测序（RNA-seq）是揭示基因表达的利器。但测序仪给我们的并不是基因表达量，而是一堆短短的序列片段（reads）。这些 reads 是从细胞内的 RNA 片段化后随机测出来的，它们本身没有“地址”，我们不知道它们来自哪个基因、哪个外显子、甚至是哪条染色体。因此，在正式做表达量分析或差异分析之前，第一件事就是——
🔎 把这些 reads 找回它们在基因组上的“原籍地”。
这个过程就叫做 比对（alignment 或 mapping）。
一、为什么要进行比对？
比对的意义主要有三点：
确定来源基因
每个 read 对应于一个基因或转录本的特定区域。只有知道它来自哪里，才能统计某个基因的表达量。
识别剪接结构
RNA 在转录后会发生剪接（splicing），内含子被切除，外显子拼接在一起。比对的过程需要识别这些跨外显子连接的 reads（spliced reads），这对理解转录本结构至关重要。
计算基因或转录本表达量（如 featureCounts、StringTie）
二、HISAT2 是什么？
HISAT2，全称为 Hierarchical Indexing for Spliced Alignment of Transcripts 2，是由约翰霍普金斯大学的生物信息学团队开发的一款高效 RNA-seq 比对工具。
它的最大特点是——既快又准。
HISAT2 采用一种叫 FM-index 的压缩索引算法，并结合了 基于图的基因组索引（graph-based genome index） 技术，可以高效地识别 RNA 中的外显子-内含子边界，也就是剪接位点（splicing junctions）。
三、HISAT2 的基本使用流程
RNA-seq 比对主要分两步：
① 构建参考基因组索引
② 进行 reads 比对 假设我们已经下载好了参考基因组（例如 Ensembl 的 Homo_sapiens.GRCh38.dna.primary_assembly.fa），需要先生成HISAT2的索引文件。 运行命令示例如下👇
# 1. 构建索引（仅需一次）
hisat2-build Homo_sapiens.GRCh38.dna.primary_assembly.fa GRCh38_index
| |
|---|
| hisat2-build | HISAT2 的建索引命令，用来把参考基因组 .fa 文件转换成可供比对的索引结构。只需执行一次。 |
| Homo_sapiens.GRCh38.dna.primary_assembly.fa | |
| GRCh38_index | 输出索引的前缀名。会生成多个以此开头的索引文件（如 .ht2 文件）。 |
# 2. 比对双端测序数据
hisat2 -p 8 \ -x GRCh38_index \ -1 sample_R1.fastq.gz \ -2 sample_R2.fastq.gz \ -S sample.sam
| | |
|---|
| hisat2 | | |
| -p 8 | --threads | 使用 8 个线程（CPU 核心）并行加速。根据服务器配置可调整，如 4、16 等。 |
| -x GRCh38_index | --index | 指定前面生成的索引文件前缀名。比对时 HISAT2 会自动加载对应的 .ht2 文件。 |
| -1 sample_R1.fastq.gz | --read1 | 双端测序的 第一端（forward reads） 文件。 |
| -2 sample_R2.fastq.gz | --read2 | 双端测序的 第二端（reverse reads） 文件。 |
| -S sample.sam | --samout | 输出结果文件名，格式为 SAM（Sequence Alignment/Map）。 |
输出的 .sam 文件即为比对结果，后续可用 samtools 转换为 .bam 并进行排序、统计、定量等分析。
HISAT2 比对后处理的标准流程
假设前面你得到了比对输出文件：
sample.sam
🧱 第一步：将 SAM 转为压缩格式 BAM
samtools view -@ 32 -bS sample.sam -o sample.bam
-@ 32 使用 32 个线程加速；-bS 表示输入为 SAM，输出为 BAM。
🧩 第二步：排序 BAM 文件（按基因组坐标）
echo "Sorting BAM..."
samtools sort -@ 32 -o sample.sorted.bam sample.bam
排序后的文件命名为 sample.sorted.bam，是后续定量与可视化的标准输入。
🧬 第三步：为排序后的 BAM 建立索引
echo "Indexing sorted BAM..."
samtools index sample.sorted.bam
会自动生成一个名为 sample.sorted.bam.bai 的索引文件，方便 IGV 或 featureCounts 等工具快速定位。
📊 第四步：统计比对结果（生成报告）
samtools flagstat sample.sorted.bam > sample.flagstat.txt
输出文件 sample.flagstat.txt 将包含：
✅ 最终文件结构示例
sample.sam # 原始比对结果
sample.bam # 压缩格式（便于存储）
sample.sorted.bam # 排序后的标准格式
sample.sorted.bam.bai # 索引文件
sample.flagstat.txt # 比对统计报告
最终获得了排序后的bam文件和bam文件索引，以及比对统计报告。