TopHatのオプションはデフォルトでヒトなどの哺乳類に最適化されてる

-I/--max-intron-length <int>	 The maximum intron length. When searching 
for junctions ab initio, TopHat will ignore donor/acceptor pairs farther than 
this many bases apart, except when such a pair is supported by a split segment 
alignment of a long read. The default is 500000.

TopHat :: Center for Bioinformatics and Computational Biology

下は酵母のRNA-SeqをIGVで可視化したもの。青い線は本来、Exon間にまたがってMapされたリード (Junction reads)のIntron部分を示しているはずなのだが、ここでは異様に長くなっている。
TopHatのデフォルトでは500,000 bpにわたる長さのIntronにも対応しているためこのようなことが起こる。酵母ではそんな長さのIntronは存在しない（たぶん遺伝子長が最大のMDN1でも、遺伝子全体の長さが15,000bpくらい）ので、上のオプションでmax-intron-lengthをもっと小さな値(せいぜい20,000 bpとか？)にしてあげたほうがいい。

(追記)Intronの長さを実際に調べてみた

酵母で最大の遺伝子長を調べてみたけれど、
よく考えたら同じ要領で直接イントロンの長さを調べられるのでやってみた。
(2013/01/15)

code

library(TxDb.Scerevisiae.UCSC.sacCer3.sgdGene)
sacCer3.intron.GRangesList <- intronsByTranscript(TxDb.Scerevisiae.UCSC.sacCer3.sgdGene)
sacCer3.intron <- as.data.frame(sacCer3.intron.GRangesList)

head()でデータフレームの中身を確認

> head(sacCer3.intron)
  element seqnames  start    end width strand
1      26     chrI  87388  87500   113      +
2      39     chrI 142254 142619   366      +
3     104     chrI 151007 151096    90      -
4     127    chrII  31228  31228     1      +
5     148    chrII 110880 110948    69      +
6     153    chrII 125155 125270   116      +

よって

code

maxRow <- which.max(sacCer3.intron$width)
sacCer3.intron[maxRow,]

result

> sacCer3.intron[maxRow,]
    element seqnames start   end width strand
330    6670     chrM 16471 18953  2483      +

一番長いイントロンのサイズは2483 bpなので、max-intron-lengthは2.5kbくらいにしてみるとよい？

(さらに追記)くらべてみた

--max-intron-lengthを、(1) 500,000 bp (2) 50,000 bp (3) 5,000 bp の 3通り設定してそれぞれ実行して、マッピング結果を上から並べてIGVでくらべてみた。
（なお、鋳型長300ntでpaired-endのリード長33&34なので --mate-inner-distを220にっ設定し、--segment-lengthを15に設定してある。）

左側に見えるのは正しいjunctionで、右側に見えるのは誤ってjunctionと認識されたもの。
ちょっと見にくいので右クリックから画像を拡大してみてくだされ。
(2), (3)で誤ったjunctionが除かれている。

だけど(2)でもまだやっぱり長すぎて、下の図のようなjunctionがうっすら生じてしまうことがあります。でも(3)の設定なら消えてました。

やっぱり見にくいのでこっちも右クリックから拡大してみてくだされ。それでは。