HISAT2是用于把新一代测序读段比对到参考基因组的序列比对软件，其名称取自「转录本剪接比对的分层索引第2版」(hierarchical indexing for spliced alignment of transcripts 2)。它以图FM索引为核心，善于处理RNA测序中跨越多个外显子的读段，内存占用相对较低[1]。该软件采用GPLv3许可发布，是HISAT与TopHat2的后续工具。
定义
HISAT2是一款把新一代测序读段映射到参考基因组序列的比对程序，既可以处理DNA测序数据，也可以处理RNA测序数据，目标基因组既可以是单条参考序列，也可以是代表人群多态性的基因组集合。它的核心任务是确定每一条测序读段来自基因组的哪个位置，并把结果以SAM等标准格式输出，供后续的转录本组装、表达量计算和变异分析使用[2]。
在RNA测序场景中，真核生物成熟信使RNA由多个外显子拼接而成，一条读段可能横跨两个甚至更多外显子，中间隔着内含子。HISAT2针对这类剪接读段设计了专门的索引结构与比对策略，因此被归为剪接感知型比对器[1]。
原理
HISAT2建立在Burrows-Wheeler变换的图扩展之上。研究者在2014年提出了面向图的BWT扩展方法，HISAT2据此设计并实现了图FM索引(graph FM index，GFM)，这是该方法较早的一次实际实现[2]。与把参考序列当作单条字符串的做法不同，图结构允许把单核苷酸多态性、插入和缺失等变异与单倍型一起纳入同一套可搜索的数据结构中[3]。
索引采用分层组织方式。除一个覆盖全基因组与变异信息的全局索引外，HISAT2还建立大量小型索引，每个索引覆盖约56 Kbp的基因组区域，覆盖人类人群需要约55,000个这样的索引。这些小索引被称为局部索引，其体积小到可以放进处理器的缓存，因此查询速度快于使用体积较大的全局索引；同时，对约57 Kbp的局部区域做检索，有利于定位横跨多个外显子的RNA测序读段[4]。这种索引结构被称为分层图FM索引(HGFM)。
在比对策略上，HISAT2沿用了HISAT的思路，允许在比对过程中利用先前读段发现的剪接位点来辅助后续读段的比对，从而在只运行一遍的情况下获得接近两遍法的灵敏度；同时也支持直接使用基因注释中已知的剪接位点[5]。其比对框架基于Bowtie2的实现，用于承担FM索引上的大部分操作[6]。
发展历程
HISAT2是HISAT的后续版本。HISAT由Daehwan Kim、Ben Langmead与Steven L. Salzberg开发，2015年发表于《Nature Methods》，强调以较低内存完成剪接比对[5]。HISAT2的第一个测试版于2015年9月8日发布，开发时基于HISAT与Bowtie2两套实现。项目方同时建议HISAT与TopHat2的使用者转向HISAT2[6]。
此后版本持续迭代。2016年发布的2.0.4版改进了RNA测序读段的模板长度估计，把内含子因素纳入计算[2]。2017年6月发布的2.1.0版首次随附HISAT-genotype，可在全基因组测序读段上开展HLA分型、DNA指纹分析与CYP分型[2]。2020年2月发布的2.2.0版加入处理重复序列读段的新功能，并针对C++、Python与Java提供应用编程接口，用于快速获取重复序列比对所对应的基因组位置[2]。
2019年，研究团队在《Nature Biotechnology》发表论文，正式描述了HISAT2及其配套的HISAT-genotype，作者包括Daehwan Kim、Joseph M. Paggi、Chanhee Park、Christopher Bennett与Steven L. Salzberg[3]。该论文提出用HISAT2表示并搜索扩展后的人类参考基因组模型，其中纳入了超过1450万个基因组变异及其单倍型信息[3]。
应用
HISAT2最典型的用途是RNA测序数据的读段比对，是转录组分析流程中常见的一环[1]。英国生物信息学研究所的Expression Atlas平台在短读长测序流程中即采用该程序完成比对[1]。在RNA测序之外，它也支持全基因组与全外显子测序数据的比对。
由于索引中融入了人群变异信息，HISAT2在包含单核苷酸多态性的读段上能取得更高的比对准确性。研究团队还把该能力用于基因分型，其中HLA分型与DNA指纹分析构成了HISAT-genotype的功能部分，后者可对单倍型分辨的基因或基因组区域进行分析[3]。此外，配套脚本可从基因注释中提取外显子与剪接位点信息，供建立索引时使用[7]。
局限
HISAT2并不能在所有指标上占优。官方说明指出，其运行时间估计比HISAT略长，在某些数据集上慢30%至100%。要运行该程序需要64位计算机、Linux或Mac OS X系统，并至少配备8 GB内存。
在内存与索引规模方面也存在相应代价。包含人类参考基因组与约1230万个常见单核苷酸多态性的HGFM索引大小为6.2 GB，软件整体的内存占用约为6.7 GB；这些变异中插入与缺失片段通常较短，一般在20 bp以内，结构变异尚未纳入索引。
多映射读段的处理同样受到限制。研究团队在评估中发现，约2.6%至3.4%的读段可映射到5个以上位置，约1.4%至1.8%的读段可映射到100个以上位置；若把所有比对结果全部输出，将占用大量磁盘空间，因此HISAT2采用重复序列索引策略，把读段直接比对到归纳出的重复序列上，每条读段只给出一条重复比对结果[2]。
参见
参考资料
- Read mapping or alignment - Functional genomics II [引用日期2026-10-14]
- github.io 上的网页 [引用日期2026-10-14]
- ipubmed.cn 上的网页 [引用日期2026-10-14]
- scholar [引用日期2026-10-14]
- HISAT: a fast spliced aligner with low memory requirements [引用日期2026-10-14]
- Hierarchical Indexing for Spliced Alignment of Transcripts [引用日期2026-10-14]
- hisat2 [引用日期2026-10-14]