OutcrossSeq主要是一个基于群体的低覆盖率数据，得到准确的基因型图谱，而后用于基因定位和育种选择。在此之前已经有很多的工具用于genotype和phasing,比如人类中常用的BEAGLE、PHASE、fastPHASE、MACH、 IMPUTE2、SEG-map等等。但是这些工具基本都适合覆盖率稍高或者有家系的群体材料，覆盖率低的话准确率会受影响。但是OutcrossSeq可以基于1x甚至以下的覆盖率，极大的降低了成本。并且OutcrossSeq最大的优点在于攻克了同源多倍体材料。
简介
用于OutcrossSeq主要包含三个模块"Diploid-Outcrossing"，"Double-Cross"，"Autopolyploid Plant"。三个模块适用于三种不同的群体。
-
"Diploid-Outcrossing"：杂交F1群体-包含四个初始纯和亲本和F1的子代群体
-
"Double-Cross"：双交种群体-包括两个杂合的亲本和F1的子代群体
-
"Autopolyploid Plant"：同源六倍体群体-两个杂合六倍体亲本和F1的子代群体
其中第一个模块和第二个模块差不多，如果有初始的四个单倍型推荐使用第一种方式，准确率更高。但是对于很多果树类材料，构建一代的群体可能就需要几十年，有个F1群体就很难得了，所以其亲本基本是俩杂合材料，很难追溯上杂交生成俩杂合亲本的纯和材料，所以针对此情况，我们开发了第二套算法。
算法主要可以概括为四个大步骤
步骤1、对目标植物的亲本材料进行高覆盖测序，对目标植物的子代群体材料进行低覆盖测序，获得相应测序结果；步骤2:将亲子代群体测序获得的序列比对到目标植物的现有基因组上，并得到变异文件，所述变异文件中包含每个被测序材料测得的变异位点信息；步骤3：结合亲本材料的测序结果，对所有亲子代测序比对结果中的单核苷酸多态（SNP）位点进行筛选，将选出的SNP位点进行区段划分，并基于划分后各区段内基因片段的亲缘关系进行基因型分类；步骤4：对划分后的基因型进行单倍体类型统一和缺失基因型填充。
下载
本软件主要是由perl和R写的，但是其初始信息来源依赖于GATK生成的变异信息，为了使用方便，我们把所有的call variants的软件和perl使用过程的依赖模块和R都整合到一个docker镜像里。
「此处需要感谢姊如师姐，这部分是师姐帮忙完成的（没错，我就是那个求帮助的师妹）。如果大家想要了解、学习docker，可以参考一下两篇推文。生信猿的docker入门课1-2」
如果需要使用镜像，可以使用以下两种方式，docker或者singularity
docker run -it -v $PWD:/docker mjchenjojo/outcrossseq:v1.0
#$PWD 是运行文件夹的路径，也就是你的数据所在地
singularity pull docker://mjchenjojo/outcrossseq:v1.0
也可以从github或者我们实验室的官网上下载软件包使用。xhhuanglab链接
git clone https://github.com/xhhuanglab/OutcrossSeq.git
「这次先简单的说什么多，下一篇推文给大家介绍一下具体使用方式。欢迎大家下载使用我们的软件，有任何问题欢迎在github上留言，或者邮件私信，我会做好一百分的售后服务工作，在大家的提问中学习进步，尽快出一个功能更强大，使用范围更广，操作更简单的OutcrossSeq-2.0.」
如果大家需要专门的讨论群的话，可以在留言区反馈下。
推荐阅读
生信猿的Docker入门课1
生信猿的docker入门课2
