BSR-seq是基于Bayesian方式来来计算SNP标记和目的基因之间的重组概率。这个方法适合于经费较少，群体数据也不错的实验室进行目标基因定位。由于采用混合RNA测序，可以大大的降低费用，同时也能获得比较好的定位效果。此外，还可以对基因表达进行分析。材料间的混合会导致差异基因较少，如果候选基因在不同表型亲本之间表现出的差异是为表达差异导致，BSA-seq还可以通过定位和基因表达差异来进一步确认定位的候选基因。具体步骤如下图：

BSA-seq的方法和前面一样。

第一步：去除低质量的reads。

第二步：alignment reads 到reference genome。

在这里，由于是RNA-seq，作者在文中认为GSNAP可以获得更好的mapping效果。根据笔者的经验，GSNAP确实在mapping RNA-seq上要优于BWA。

for example cammand：

1）index reference genome

gmap_build -D path -d Bn5Chr -k 15 -s none ref.fa

2）mapping reads

gsnap -D path -d ref_file -B 2 -m 10 -i 2 -N 1 -n 3 -t 20 --gunzip 1.fastq.gz 2.fastq.gz -o filename

3)call SNP

perl ~/SNP_Discovery.pl --gsnap file -o file.gff3

SNP_Discovery.pl 能够得到通过访问：http://schnablelab.plantgenomics.iastate.edu/software/123SNP/

第三步：计算QTL区间

将获得SNP数值用作者的pipeline在R上运行，最后也可以得到目标候选基因。作者也曾用这个方法对进行候选基因定位，取得不错的效果。

references：

Li X, C Zhu, CT Yeh, W Wu, EM Takacs, KA Petsch, F Tian, G Bai, ES Buckler, GJ Muehlbauer, MCP Timmermans, MJ Scanlon, PS Schnable, J Yu (2012) Genic and non-genic contributions to natural variation of quantitative traits in maize. Genome Res, 22(12): 2436-2444.

Liu S, CT Yeh, HM Tang, DS Nettleton, PS Schnable (2012) Gene mapping via Bulked Segregant RNA-Seq (BSR-Seq). PLoS ONE, 7(5): e36406.