pbtk v 3.5.0安装与使用--生信工具084

PacBio BAM toolkit

大家平时处理 PacBio 测序数据（HiFi、CCS、Subreads）时，经常需要把 BAM 转 FASTQ、提取 HiFi reads、建索引、合并 BAM、按 Barcode 拆分…… 这些操作不用写复杂脚本，PacBio 官方早就给了一套轻量工具：pbtk（PacBio BAM Toolkit）。

https://github.com/PacificBiosciences/pbtk #官网

01 获取与安装

pbtk 是 PacBio 官方维护的 BAM 处理工具集，最新版本直接通过 bioconda 安装即可：

conda install -c bioconda pbtk

安装、支持、许可证、版权等完整信息，可直接查看 PacBio 官方 pbbioconda 页面。

02 介绍

pbtk 这个仓库替代了原来 pbbam 里的独立工具。在 bioconda 里，pbtk 是 pbbam 的依赖项，所以你不会直接看到 pbbam 提供这些二进制工具，实际都来自 pbtk。

包含工具一览：

• bam2fasta
• bam2fastq
• ccs-kinetics-bystrandify
• extracthifi
• pbindex
• pbindexdump
• pbmerge
• zmwfilter

03 使用

1. bam2fastx 系列（bam2fasta /bam2fastq）

这两个工具界面完全一样，分别把 PacBio BAM / XML 转成压缩 FASTA / FASTQ。

基础用法

# 输出 out.fasta.gz bam2fasta -o out in.bam bam2fasta -o out in.xml # 输出 out.fastq.gz bam2fastq -o out in_1.bam in_2.bam in_3.xml in_4.bam

常用参数

• -u：不压缩（去掉 .gz）
• -c <int>：设置 gzip 压缩等级
• -p/--seqid-prefix <str>：给每条序列 ID 加前缀
• --split-barcodes：按 barcode 对拆分输出文件

# 按 barcode 拆分输出 bam2fasta --split-barcodes -o out in1.bam in2.bam

2. ccs-kinetics-bystrandify

把带 CCS 动力学标签的 BAM/XML，转成带pw/ip标签的伪链文件，用于需要动力学信息的分析。

ccs-kinetics-bystrandify in.bam out.bam ccs-kinetics-bystrandify in.xml out.xml

参数：

• --min-coverage <int>：设置每条链最低测序轮数（passes）

3. extracthifi

最简单的 HiFi reads 提取工具自动抽取准确率 > QV20（0.99）的序列。

extracthifi in.bam out.bam

4. pbindex

给 PacBio BAM 建立索引（.pbi），实现随机访问。

pbindex in.bam # 自动生成 in.bam.pbi

5. pbindexdump

把 PBI 索引文件转成JSON 或 C++ 格式，方便查看 / 调试。

pbindexdump in.bam.pbi > out.json pbindexdump --format cpp in.bam.pbi > out.cpp

参数：

• --json-indent-level <int>：JSON 缩进
• --json-raw：更贴近 PBI 原始结构
• --zmws-only：只输出 ZMW hole number 文本列表

pbindexdump --zmws-only in.bam.pbi > out.txt

6. pbmerge

合并多个 PacBio BAM/XML，支持直接输入文件、XML、文件列表（fofn）。

pbmerge in1.bam in2.bam in3.bam > out.bam pbmerge -o out.bam in.xml pbmerge in.fofn > out.bam

参数：

• --no-pbi：不自动生成索引

7. zmwfilter

最强大的BAM/FASTA 过滤工具，支持按 ZMW、reads 名、抽样、过滤低质量等。

按 ZMW 编号过滤（最常用）

# 保留指定 ZMW zmwfilter --include 1,2,4,8,16 in.bam out.bam zmwfilter --include hole_numbers.txt in.fasta out.fasta # 排除指定 ZMW zmwfilter --exclude 42 in.xml out.bam zmwfilter --exclude hole_numbers.txt in.xml out.fastq

查看文件中所有 ZMW

zmwfilter --show-all in.bam > out.txt

按 reads 名称过滤（仅 BAM/XML）

zmwfilter --names read_names.txt in.bam out.bam

随机下采样（只支持 BAM/XML）

# 按比例抽样 zmwfilter --downsample 0.333 in.xml out.bam # 按条数抽样 + 固定种子（可重复） zmwfilter --downsample-count 1024 --downsample-seed 42 in.bam out.bam

按测序轮数（passes）过滤

zmwfilter --num-passes 2 --include hole_numbers.txt in.bam out.bam

重要注意事项

以下参数互斥，不能同时用：--include/--exclude/--show-all/--names/--downsample/--downsample-count

04 总结

pbtk 是 PacBio 数据处理必备轻量工具集，不用复杂代码，日常高频需求全覆盖：

• BAM ↔ FASTQ/FASTA
• 提取 HiFi
• 建索引 / 查看索引
• 合并 / 拆分 / 过滤 BAM
• 按 ZMW、barcode、reads 名筛选

如果你做三代测序（HiFi / IsoSeq），这套工具基本是标配。