长染色体bam索引创建及变异检测

在变异检测的所有阶段，都需要对文件进行索引，不管是输入的基因组文件，还是输出的比对结果和变异结果文件。不同的软件处理会生成不同的索引，供后续不同的软件使用，但不可避免的会出现特殊情况。

对于一般物种的比对结果，可以使用samtools index进行索引创建，会输出bam.bai的文件，在后续数据提取以及变异检测步骤都会用到，但是对于某些物种而言，由于染色体长度的限制，并不能使用该方法进行索引的创建，比如小麦

$ samtools index Triticum_aestivum.bam
[E::hts_idx_push] Region 536870795..536870945 cannot be stored in a bai index. Try using a csi index with min_shift = 14, n_lvls >= 6

去查小麦的基因组之后，发现单条染色体的长度在450M以上，这么长的染色体真的可以说是独树一帜，非常任性了。

1A      594102056
1B      689851870
1D      495453186
2A      780798557
2B      801256715
2D      651852609
3A      750843639
3B      830829764
3D      615552423
4A      744588157
4B      673617499
4D      509857067
5A      709773743
5B      713149757
5D      566080677
6A      618079260
6B      720988478
6D      473592718
7A      736706236
7B      750620385
7D      638686055

没有索引的情况下是很难对大文件进行处理的，找了很多的帖子，均说使用bcftools或者samtools可以使用csi索引的bam文件进行变异检测，但是若倾向于使用gatk来进行，怎么办呢。

有两个方法，第一个是将染色体进行拆分，可查看文献(https://doi.org/10.1186/s13059-019-1744-x)，分段进行变异检测。第二个方法，更新的gatk4是支持使用csi索引的，相比于gatk3，这又是一个优势。

参考文献

[1] Cheng, H., Liu, J., Wen, J. et al. Frequent intra- and inter-species introgression shapes the landscape of genetic variation in bread wheat. Genome Biol 20, 136 (2019).
[2] http://www.htslib.org/doc/samtools-index.html
[3] https://gatk.broadinstitute.org/hc/en-us