从「Read.fq.gz」到「SNP.vcf」？我用 TBtoo

作者: 生信石头 | 来源:发表于2022-06-04 09:43 被阅读0次

[准备花3天时间，写这个推文]

写在前面

前述提及，重测序数据分析上游常用软件三兄弟已经聚齐，于是所有用户可以在 Windows 下进行重测序数据分析。为了做实例测试，我找到一大学同学发表论文中的测序数据，给大伙过一遍。

查看数据

一共两个文库，一个是绿叶黄瓜 21 个F2子代的混池，一个是黄叶黄瓜 21个 F2子代的混池。按照PE150和黄瓜基因组大概是230Mb大来估算，我觉得 20M reads满足最低数据量需求。
话不多说，直接开整。

「BWA-MEM2 进行读段回帖」

设置输入如上图，我的电脑配置还可以（六年前，也就是2016年双十一购买的，一共 1w 不到，预算就这么多，这个我比较清楚），大体配置给大伙再看看：

六年来，增加了两三块固态，也重装过两三次系统，多半是....系统盘太小，于是换大一些的。其他的基本没变。我觉得主要就看：

CPU如何，这个U是我目前最满意的，他主频足够高，我觉得办公电脑主频高好一些。那些睿频XXGHz的，其实我不信。另外AMD我也不想碰，Intel稳定实用；
内存如何，Emmm，这个电脑的配置是一生信转IT的朋友推荐的，叫「泣雨」，也不知道他现在咋样了，不过我相信应该过得非常好。至少有房有车。那会各种电脑硬件可能是最低的时候，反正我是踩到点了。内存是上满的。我想，如果没上满，那这几年肯定不会过得轻松。
Emmm，现在时间是2022年06月04日09时30分，咱们就先干活，等着看啥时候能比对完。我估摸着 1M Reads 6 个线程大概是需要30min，这次要一共20M，但是用了 8 个线程，所以... 可能需要 2030/86 = 450min = 7.5h。一共两个样品，那么我估摸着，大体是晚上睡觉前可以跑完，也就是2022年06月05日00时30分。那会可以回去睡觉了。不过无论如何，晚上下班或者睡觉前再看看。早知道，我就昨天晚上跑了，那就今天下午就可以看到结果了。
现在时间是2022年06月04日17:30，我看了下，已经处理14809816，也就是 14M 的 PE Reads 了。还剩下 6M reads。估摸一下，过去了 8 个小时，所以我们大概还需要 4 个小时。很好，整体上时间预估有问题。之前咱们预估的是单端的数据？Anyway。看起来，单纯 20M 的 PE Reads，咱们的 PC 就要跑 12 个小时。于是，整体上，这两个 Samples 需要跑到明天早上 10点做过。至少猜想是。 24小时....其实，也还好。
刚才有一哥们找我聊天，他还真的已经跑了一轮了，做的好像是甜橙之类的。
我问他，为啥要整？
因为有人评论，说这系列基本没用。
结果他的意思是，多少可以给导师省一些钱，
经费有限。现在一般建库 200~300，测序就 30~50/G。总体上，纯测序，还是很便宜的，20M reads，费用应该是在 500 块钱，建库+测 6~8G 的数据。所以一个BSA下来，只要 1,000 块钱的测序费。至于分析，每个公司收费可能不同....或许是可以省一两千？这个不懂....
不过想自己分析就自己分析吧，有时候，你想着基因组更新了？对你的结果可能有点影响云云。这个真不知道。完事，继续等着吧。明天早上 10点咱们期待结果。
早上8点出头到办公室，吃了一下早餐，哦吼，居然早就跑完了？

现在时间是2022年06月05日，看样子是白天一般我搞太多测试，影响整体比对和IO，大致速度慢一些。Anyway，整体时间比更新后的预计少了4个小时左右，也就是大概两个20M的PE150在我的PC上，每个跑10个小时，还不错。
PS: 上述文件名整错了，新版本应该是自动.bam后缀的，因为他是bam文件....