简介
BSA-Seq（Bulked Segregant Analysis Sequencing）工作流程是一种用于从F2群体的重测序数据中识别因果突变的遗传学分析方法。这种方法特别适用于植物或其他自交物种的QTL（数量性状基因座）定位和突变鉴定。
主要流程
原始读取对齐：使用Bowtie2对原始读取序列进行对齐，确保它们与参考基因组匹配。
SNP调用：使用bcftools进行SNP（单核苷酸多态性）的识别和调用。
SNP过滤：根据EMS（乙基甲磺酸）突变类型（如G到A或C到T）、读取深度、背景和最小等位基因频率等标准对SNP进行过滤。
SNP注释：使用SnpEff对过滤后的SNP进行功能注释，以了解这些变异可能对基因和蛋白质的影响。
预测氨基酸取代效应：将带注释的SNP传递给SIFT4G，预测它们引起的氨基酸取代对蛋白质功能的影响。
结果整合：将上述步骤的结果结合起来，为后续的可视化和分析做准备。
可视化：使用bsa_viewer应用程序对结果进行可视化，通过集成的Shiny应用实现交互式可视化。
分离概率估算：估算每条染色体的分离概率，基于每个SNP与0.5 SNP比率的偏差，假设因果突变附近的SNP很可能与之相关。
隐性突变假设：工作流程假设因果突变为隐性突变，F1植株具有野生型表型，F2植株中突变型和野生型表型的分离比为1:3。
测序：将所有突变型F2植物（约20株）集中在一起进行测序。
使用场景
植物遗传学研究：适用于植物遗传学家在QTL定位和突变鉴定中使用。
自交物种研究：适用于自交物种的遗传分析，如拟南芥等模式植物。
结论
BSA-Seq为植物遗传学家提供了一种高效的方法来识别和分析F2群体中的因果突变。通过一系列的生物信息学工具和步骤，研究人员可以更准确地定位基因座并预测突变的生物学效应。该工作流程的自动化和可视化特点，使得即使是没有深厚生物信息学背景的研究人员也能够轻松使用。通过这种方法，研究人员可以更深入地理解遗传变异对植物性状的影响，推动植物遗传学和育种研究的发展。
