TBtools | 基因结构变异检测插件 Genome VarS

不少朋友对 TBtools 的基因结构变异检测插件 Genome VarScan 感兴趣。这个插件我开放了几个参数。当然我觉得对绝大多数人来说，默认参数已经够用。但不排除在一些情况下，我们需要按照需要调整参数。
为避免大伙使用时有一些疑问，写个推介，介绍参数如下。

首先理解这个插件的执行逻辑：

1. 调用 Minimap2 进行两个基因组的比对，生成一个 paf 文件
2. 基于 paf 文件，提取编译，其中包括 SV 和 SNP，一般我们就关注 SV

其中第一步没有过多调整空间，第二步可以理解为 paftools.js 的 java 实现。所以整体参数和效果，跟 minimap2+paftools.js 鉴定结构变异几乎一样。详解如下：

1. CPU：线程数，默认是 2 ，进行两基因组全序列比对时可使用，注意到，越多线程会使用越多内存，我测试大体水稻基因组的比对，那么一个线程大概要4G 内存。其实具体跟后续 BatchSize 参数有关系；
2. Diff：三个基因组序列分歧度标准，如果似乎非常近源甚至是同个物种或品种，那么 OneInThousand，指代1000个碱基只有1个碱基不同；OneInHundred，指代100个碱基会有1个碱基不同。基本上，这两个可以处理绝大多数物种材料。当然，对于比如一些园艺作物，多年生，高杂合材料等等，不同材料的基因组差异可能会比较大，比如 FiveInHundread，指代100个碱基会有5个不同，这个已经支持了跨物种的比对，比如甜橙比对到荔枝... 按照需要来调整，这个可以提高灵敏度和准确性
3. VarRange：共两个参数，一般如果是做多态性引物开发，30~200以及足够，再长也不方便跑PCR电泳区分
4. BatchSize：每次读入内存，用于比对到数据块大小，会直接影响内存占用，500Mb 每次默认。如果发现基因组比较大，可以考虑降低，比如做到 200。
5. Min Align Length for Cov Calc：如果一个 Alignment 长度低于给定值，比如 10000 ，就不参与覆盖度的计算。逻辑上对于两个物种单倍型比对，最好的比对结果 Cov 是 1 。不然可能是假阳性比对，对应了假SV。过滤长度，避免比对碎片影响 Cov 计算。
6. Min Align Length for Var Calling：如果一个 Alignment 长度低于给定值，比如 50000，就不进行 SV 检测。逻辑上，过短的比对，也不适合做 SV 检测。当然，检测了SV，那么也考虑Cov的问题。
7. MaqQ：如果比对质量低于给定值，那么不进行变异检测。逻辑上，可以只用 MapQ 60 。毕竟这个对应最高质量。需要注意的是，MapQ = 60 很容易达成。从某个角度来说，比对质量是基于 Query 来说的，查询序列没有更好或者相对较好的比对位置时，那么就会有 MapQ60。所以对于Subject来说，同一个位置可以有多个MapQ 的比对，但其中最好，逻辑上只有一个。当然那这个是展开。
8. PrintSeq：结果文件中是否要包含SV相关序列，注意到如果 INS 或 DEL 非常大，那么这个序列会很长。

写在最后

Emmm，期望这个说明对有需要的朋友有帮助。