DeepBSA的使用介绍

简介：混池测序分析（Bulked segregant analysis）是一种省时省力、广泛应用于挖掘性状遗传位点的方法，已有多种相应算法被开发出来。包括基于高低池等位基因频率差异的ΔSNP-index方法，基于欧式距离的ED方法，基于G值计算的G’方法，基于LOD值计算的SmoothLOD方法以及基于非参数检验的Ridit方法等。这些方法缺乏用户友好型软件，从而使用复杂；同时大多只适用于两个混池，且难以检测复杂性状和背景下的微效位点。

DeepBSA是2022年8月在杂志Molecular Plant上发表的利用深度学习进行功能基因定位的混池测序新算法。作者将开发的新算法和五种广泛使用的算法集成为一个软件，包括数据预处理、功能位点定位以及模拟数据生成等功能。同时开发出一个用户友好的操作界面，通过简单操作可以快速获得定位的图表，还可以比较不同方法的结果差异。

DeepBSA流程及操作界面

文章引用：Li Z., Chen X., Shi S., Zhang H., Wang X., Chen H., Li W., and Li L. (2022). DeepBSA: A deep-learning algorithm improves bulked segregant analysis for dissecting complex traits. Mol. Plant. doi: https://doi.org/10.1016/j.molp.2022.08.004.

软件地址：http://zeasystemsbio.hzau.edu.cn/tools.html,  目前更新到v1.4，且分别提供Windows版本和Linux版本，相应使用步骤在 github （https://github.com/lizhao007/DeepBSA）上也有说明。备用下载链接（百度网盘 请输入提取码 提取码：c71e），另操作手册附在最后。

目前笔者收到的反馈报错基本都是输入VCF文件格式不对造成的，特强调以下几点：

1、VCF文件中的SNP只保留染色体的，不要Contig或Scafflod上的，不然软件识别“染色体”太多，会闪退。

2、VCF文件中不要保留亲本列的信息，只需要混池列的信息。

3、VCF文件有多个混池时，应该安装表型顺序排列；除了DL和ridit这两个能识别多个池的方法会用到所有池信息，其它方法只会用到最高和最低池的信息。

4、VCF文件可以有#注释行，CSV文件不可以有。

结果文件包括定位图（PNG和PDF）、定位区间以及每个SNP的方法值（可以自己进一步作图），如下：