众所周知，小麦的基因组很大，很大，很大。
这里的三个“很大”，分别指（1）普通小麦的基因组很大，（2）每个亚基因组也很大，（3）每个染色体也很大。
相信大家都在IWGSCv1 参照基因组序列公开以后，就开始各种兴奋地进行BLAST，mapping，alignment。
各位亲自玩过序列的同行，也一定记得，161010_Chinese_Spring_v1.0_pseudomolecules_parts.fasta这个文件（见我们在去年的推送：Ms1基因组重测序数据重分析--from sra to g.vcf.gz）（如下图）。
这里有一个问题，大家可能注意到了：小麦基因释放的序列(_parts.fasta结尾的文件)中，每一条染色体是分成两部分的，比如chr1A_part1 和chr1A_part2.为什么要把每条染色体分成两部分？我们可以判断的是，每条序列两部分的分割并不代表短臂和长臂的分割点。
如下表统计，我们可以看到，分成了两部分的各自长度都不超过500M。
其实，根据大家的坊间经验，如果一个染色体的长度如果超过了500Mbp，那么很多已经通用的生物信息学分析工具是跑不通（或者至少很不顺利）的，如bowtie，bwa等。
大家一定有过这个疑问：为什么超过500M就跑不通了？程序有什么bug吗？为什么很多基因组分析的程序都限制500M？其实小编也一直很疑惑。
在此，小编用仅有计算机知识和大家一起探讨探讨可能性。
我们先算一下log2(500M) 大约是多少？log2(500M)约为log2(512x1000x1000)约为log2(29x210x210)=29。
估计这个阈值的上限应该不大可能正好是500M，而且很有可能是229=536870912，也就是约为536.9M。
这个数字干嘛的？小编Google了下：无独有偶，小编发现很多关于这个数字的讨论，都和字符串的长度有关。
看来，这个数字是很多程序在实现“字符串”（string）类型中的上限了。
那么为啥是229呢？小编也不清楚，但可以用仅有的计算机知识帮大家猜一猜。
毕竟，一个int（整数）类型在计算机的实现中，通常是4个字节的（4 byte）。
而一个字节（1 byte）是8个比特（8 bit）（注意，这里不是比特币）。
那么，用于编码一个int型整数的，通常有32个bit。
考虑如果有3bit位被保留使用的情况，那么229正好就是上界限了。
也可能和实现的程序语言中string类型的长度有关？也可能和后缀树的size上限有关？但不管怎么样，536870912似乎现在是很多程序在进行单个染色体序列（单个字符串）分析的上限了。
在bowtie，Mummer和bwa等软件实现的时候，一定也没有考虑到会有物种的单个染色体超过这个536870912界限的情况。
比如拟南芥、水稻、玉米、人的基因组..... 但单个染色体长度超过这个上限的，肯定包括：普通小麦、乌拉尔图小麦、硬粒小麦、粗山羊草、黑麦.....但是我们的小麦基因组研究已经进入了“春天”；但忽然就遇到了这样“一道坎”。
难道我们需要修改程序的源代码去迈过这道“坎”吗？如果迈不过去，那我们先绕过去吧~如果后面还有什么坑、什么坎等着我们：不用怕，咱们小麦人一起同在