说在前面：
早在 2009 年，韩斌团队（第一作者是黄学辉）就在 Genome Res 上发了一篇文章 High-throughput genotyping by whole-genome resequencing，提出通过对二代测序数据构建 bin 标记的方法进行定位研究，以降低测序误差对定位的影响。
究其原因，是重测序数据和传统的遗传标记有 2 点不同，1）由于测序数据基因组覆盖率的问题，并不是群体内所有个体在每个标记都有位点信息；2）由于测序数据准确性的问题，单个的 SNP 位点不再像过去的传统标记那么可靠。所以它们提出了一种基于滑窗的方法将一个 SNPs 集而不是单个 SNP 作为一个标记单位。
本文的 SNPbinner 也是要解决这个问题，即：
Convert single nucleotide polymorphism (SNP) data into genomic bins.
原文引用：Gonda, I., H. Ashrafi, D.A. Lyon, S.R. Strickler, A.M. Hulse-Kemp, Q. Ma, H. Sun, K. Stoffel, A.F. Powell, S. Futrell, T.W. Thannhauser, Z. Fei, A.E. Van Deynze, L.A. Mueller, J.J. Giovannoni, and M.R. Foolad. 2019. Sequencing-based bin map construction of a tomato mapping population, facilitating high-resolution quantitative trait loci detection. Plant Genome 12:180010. doi:10.3835/plantgenome2018.02.0010
软件主要包括三个选项：分别为 crosspoints、bins、visualize。
1. crosspoints
基于 SNPs 数据鉴定可能的 crossover points。
snpbinner crosspoints --input PATH --output PATH (--min-length INT | --min-ratio FLOAT) [optional args]
--input # 输入文件
--output # 输出文件，分别展示了个体编号、crosspoint 位置、crosspints 附近的基因型（染色体末端后为空白）。
‑‑min‑length # crosspoints 之间的最小距离；
‑‑min‑ratio # 同上，以比例为单位，如果是0.01，则为染色体 1% 的长度；
‑‑cross‑count # 用于计算 transition 的可能性，state transition probability 是这个值除以染色体长度，默认为 4；
‑‑chrom‑len # 染色体长度，如果不指定，则为最后一个 SNPs 位点；
‑‑homogeneity # 用于计算 emission 概率，默认为 0.9；
2. bins
snpbinner bins --input PATH --output PATH --min-bin-size INT [--binmap-id ID]
输入文件同上一部分的输出文件；
输出文件格式示例如下：
--min-bin-size # 可以指定 bin 的最小长度；
3. visualize
可以对前面两步的输入和输出文件做可视化处理。比如：
snpbinner visualize --out PATH [--bins PATH]... [--crosspoints PATH]... [--snps PATH]...
直接在命令行指定输入和输出文件路径即可。
此外，我还写了后续如果使用 R/qtl 进行 QTL 定位分析，有兴趣的可以移步：
R/qtl 定位分析（四）Non-normal phenotypes
本着分享、交流的本意，简单做了笔记，如果有用，点个赞也是极好的。
网友评论