workLog:序列的前处理 cutadapt

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