这两天技术团队需要对TCGA中的样本提取SNP构建进化树，面对3万多的碱基，mega有点吃力，于是采用了其他的构树工具phyml，但是发现跑的时候莫名其妙的出错。小编看到之后，发现这个问题就是我之前遇到过的问题。样本名字太长，超出内存。不用质疑，生信的很多软件都有这个毛病。

看这篇16年的旧文，希望对大家有所帮助。

生信软件中莫名的错误：段错误

1、什么是段错误

程序运行在内存中;

系统在程序运行之前会在内存中先给程序画出一个空间

这个空间有些来存放代码的;有些来存放运行时的变量,还有些....

这个空间有一个区间使用来存放运行时的变量什么的

段错误 就是程序运行时,变量访问越界一类的问题...

可能出现的原因是:

数组下标越界

动态分配内存的指针被doublefree了(释放两次了)

2、生物信息中常见的段错误

目前针对c语言编写的生信软件，genblastA，codeml，genewise 等都会突然的爆出各种段错误。如果作者程序相对健壮，会告知你那一部分出现了异常。比如codeml，但是更多的情况下就是直接抛出segment default。

很多情况下不清楚为啥会报这个错误。

c语言中定义一个变量，比如说字符串，是要求指定字符串的大小的，比如如果一个字符串的上限为30个字符，那么如果你的文件名，文件路径，或者是基因的id，fa 的id 超过这个上限，就会报错。我们在实际的项目中，有的时间文件名字，或者路径都是很长，基因的id也会很长，这样在运行过程中就会报错。

常见的错误：

1、paml中配置文件的文件目录太深，会报错。找不到文件。

2、Genewise，genblastA中如果文件名，文件路径名，id名太长，会直接抛出段错误。

以genewise为例：

genewise  -splice model -init global -gene human.gf  -gff -sum -genes -cdna  pep.single.ENSGGOP00000001241.2_NW010795405.1-1637954-1727601_Fgene.single.ENSGGOP00000001241.2_NW010795405.1-1637954-1727601_F  >genewise.ll

genewise  -splice model -init global -gene human.gf  -gff -sum -genes -cdna   1.pep 1.gene >genewise.ss

这样就可以跑出来。

我们改一下里面pep的id长度

原来的pep的名字为：

改成

 genewise  -splice model -init global -gene human.gf  -gff -sum -genes -cdna   1.pep 1.gene >genewise.xx

3、如何解决

大家在以后的学习和工作中，如果需要对c语言编写的程序进行二次开发，包装，或者并行等操作的时候，建议对输入的文件进行处理，比如基因的id变短，然后处理完之后再变回来。还有就是尽量不使用绝对路径，使用相对路径。这样会使段错误的出现概率大大减少。

希望可以帮到你。

由于学力有限，书写定有错误，希望大家多多批评指正，共同学习。

更多生信分析需求，请加微信13621202201