再回顾 | 使用 TBtools 进行 BSAseq/QTLse

写在前面

种种原因，我需要重新跑一次 TBtools 的 BSAseq 流程，进而明确过程中需要记录的内容：

1. CPU 配置
2. 内存占用
3. 硬盘占用

等等之类。于是有了今天这个帖子。

测试环境

CPU：12th Gen Intel(R) Core(TM) i5-12600KF

内存：

硬盘：

下载数据

参考基因组，直接在番茄基因组信息网站下载即可

https://solgenomics.net/ftp//tomato_genome/assembly/build_4.00/S_lycopersicum_chromosomes.4.00.fa.gz

测序数据，在NCBI SRA数据库下载，Nature Plant 番茄文稿的一组数据

SRR8307487  suppressed_A   https://sra-downloadb.be-md.ncbi.nlm.nih.gov/sos5/sra-pub-zq-11/SRR008/307/SRR8307487/SRR8307487.sralite.1
SRR8307489  branched_A  

详细数据概况

对数据进行重命名

下载与安装插件

分别安装以下五个插件，其中Rserver插件是所有R语言插件的依赖插件，如果之前安装过，就无需再安装。

BWA-MEM2 GUI Wrapper
SAMtools GUI Wrapper
BCFtools GUI Wrapper
Rserver
QTLseqR GUI Wrapper

安装完成后，可以打开插件

读段回贴到基因组（索引~30min，比对 ~2h30min）

如果基因组没有预先索引，那么会自动建立索引。基因组大小为782,520,033bp，内存峰值~12.35Gb，耗费大约 ~30min

比对过程所占内存与使用线程数有关，为了方便电脑其他工作，我只设置了 6 个线程。

每个样品约 45M*2 = 90M reads (总碱基数_{13G)，比对过程的内存峰值}6.50Gb，耗费时间~70min。共两个样品，故花费接近 2h30min。

产生了两个~7.5Gb的文件，共计 15G（相比于早期插件，新插件默认过滤掉为未匹配上的，减小了空间占用）。

对比对结果进行排序（~25 min）

使用了 6 个线程，内存峰值~5Gb。实际上，我们完全可以通过增加线程数来提高更快完成比对结果排序任务。每个BAM大体使用 12min，两个BAM文件，合计大约使用 25 min。

执行结果产生文件如下

进行重复标记（~5min）

约 2min 一个样品，共两个样品。

进行变异检测（~1h10min）

二倍体，设置 Ploidy 为 2。

可能需要对基因组序列文件进行解压
得到一个 raw.bcf 文件，大体用了 1h10min

进行变异位点过滤 （~1min）

速度非常快，约 1min

进行 QTL 检测 （~5min）

写在最后

早前运行时间在 2 天（>48小时），现在在CPU更差一些的电脑上，但只需要不到5小时。