修复bcftools中的分割错误

Question

我试图合并使用bcftools的3000个细菌bcf文件。vcf文件是使用GATK生成的，并转换为bcf，并由bcftools进行索引。bcftools继续分析20%的数据，但它总是过早地终止，只为一部分变体(从200万个细菌基因组中产生高达500 2M )产生一个合并的bcf文件。我使用的代码如下：

bcftools1.7/bcftools merge -l VarList.txt -0 --missing-to-ref --threads 1 -O b > CombinedVCF

输出错误是：

/bin/sh: line 1: 17041 Segmentation fault (core dumped) bcftools/bcftools merge -l VarList.txt -0 --missing-to-ref --threads 1 -O b > CombinedVCF

在此之前，我对400个示例使用了相同的命令，没有任何问题。

在线搜索时，“当对变量的引用落在该变量所在的段之外，或者试图写入只读段中的位置时，就会发生分段错误”。该命令运行在具有用于特定作业的80 job可用RAM的集群上。我不确定此错误是由于bcftools软件本身的问题，还是由于运行命令的系统的限制？

下面是复制错误(segfault/7412864)的示例bcf文件。错误只出现在较大的样本大小，因此我不能进一步缩小大小。

Answer 1

这是bcftools中的一个bug，提交人在通知后修复了它：

https://github.com/samtools/bcftools/issues/929#issuecomment-443614761

Answer 2

我不确定此错误是由于bcftools软件本身的问题，还是由于运行命令的系统的限制？

当一个程序崩溃时，它总是程序本身的一个bug --如果它遇到了系统的限制，它应该告诉你这一点(例如unable to allocate NNN bytes)，而不是崩溃。

您的第一步应该是找出它崩溃的位置：

gdb -ex run --args bcftools1.7/bcftools merge -l VarList.txt -0 --missing-to-ref --threads 1 -O b

GDB应该停止使用Program received SIGSEGV。此时，在where提示符处键入(gdb)、info registers、info locals和x/20i $pc-40，并使用输出更新您的问题。

这个输出很可能使人确定您正在运行的bug，可能的解决方案，等等。

这也是bfctools开发人员需要的信息，如果你要向他们报告这个问题的话。

Answer 3

在将数千个vcf文件与bcftools合并时，我也遇到了问题。在我的例子中，问题在于打开文件的数量。您可能需要增加打开的文件限制。尝试以下命令：

# check soft limit
ulimit -Sn

#check hard limit
ulimit -Hn

#set soft limit
ulimit -Sn <number>