用win10自带的ubuntu子系统进行BSA分析

虽然现在很多的生物公司都可以做BSA，还可以帮我们完成分析，但是其实我们给公司的很大一部分钱都是分析的钱，所以如果我们自己可以完成分析的话，可以大大节省经费，而且公司使用的参考基因组不一定是最新的，我们自己分析可以随意设置条件，使用最新的参考基因组。

1、win10如何下载linux子系统可以参考这个教程。

2、接着安装包的管理工具conda并替换源。  

3、安装qtlseq，这里我们最好使用conda创造一个虚拟的环境，再安装qtlseq这个软件，否则可能会导致子系统环境被污染，或者某些依赖冲突报错。

conda creat -n bsa qtlseq #-n接的虚拟环境名字，后面是要安装的包

4、下载测试数据，我的测试数据来自这篇文章“Identification of a cold-tolerant locus in rice(Oryza sativa L.) using bulked segregant analysis with a next-generation sequencing strategy”，根据文章编号SRR6327815, SRR6327816, SRR6327817, SRR6327818在ENA下载。参考基因组我用的是all.chrs.con。

5、运行下面的代码开始分析。

conda activate bsa  #因为我是装在bsa这个环境中，所以我需要激活bsa才能使用qtlseq

 qtlseq -r all.chrs.fasta -p SRR6327815_1.fastq.gz,SRR6327815_2.fastq.gz --bulk1 SRR6327817_1.fastq.gz,SRR6327817_2.fastq.gz  --bulk2 SRR6327818_1.fastq.gz,SRR6327818_2.fastq.gz --N-bulk1 21  --N-bulk2 21 -w 1000 -s 10 -T --species Rice -o out

-n1 bulk1的混样数量 这里为SRR12412968样本 35个
-n2 bulk2的混样数量 这里为SRR12412969样本 37个
-t 调用的线程数
–mem 每个线程可调用的内存
-o 输出文件夹名字，必须原先不存在
-r 参考基因组序列位置
-p 其中一个亲本 一般用目标表型的亲本 这里用了突变体亲本
-T 启用trimmomatic质控
–trim-params trimmomatic的参数，如：[33,<ADAPTER_FASTA>:2:30:10,20,20,4:15,75].33为接头类型，后边是去除接头的参数
-q 是call SNP过程中要过滤的参数，最小的MQ值
-Q 是call SNP过程中要过滤的参数，最小的BQ值
-b1 bulk1的fastq或bam 文件
-b2 bulk2的fastq或bam 文件
-w 窗口的大小，默认是2000kb，单位是kb

-s 划窗大小，单位是kb

 --species 可以选择RICE,小麦，玉米等

6、结果如下，可以看出与原文基本一致,在6号染色体。

 原文结果如下

对mutmap感兴趣的也可以看看这篇，本文是对该博客的简化。