NGS序列比对前的处理工作
除了之前merge,拿QC分数过滤(已经忘了是怎么做的),还有一些其他的处理要做。
序列有正反两端,还有不同的3’,5’的尾巴,不处理不足以平民愤。
水平太有限了,10E7的序列也不知道怎么统计和比对。反正也是要找相同的序列,用seqkit发现有一个sort功能(sort的规则没看明白),-s 按seq sort,干就完了。
seqkit sort -s outM.fa -o sortAll.fa
然后split成一百份试试看ho。
seqkit split -p 100 sortAll.fa
多了一个文件夹,里面文件后缀001-100的
但是stats看一下,前面和后面的文件seq length都是250-490,不过aaa开头的都在前半,51的一半(51_5)都是反向序列,后面都是cat…开头的正向序列
计划拿酶切位点trim,正向序列是ccatgg…gcggccgc
安装cutadapt去处理序列
参考:https://www.jianshu.com/p/4ee2f4d2292f
https://www.cnblogs.com/freescience/p/7277564.html
$ conda