CD-hit
参数解读
-i 设置输入文件
-o 设置输出文件,可以将每次分析的ID阈值放到名称中,方便以后使用,如clean90,就是被清洗后,使用-c 0.90的分析结果
-c 设置ID阈值
-n 在ID各个范围内,作者给了一些设置mer值得建议
Choose of word size:
-n 5 for thresholds 0.7 ~ 1.0
-n 4 for thresholds 0.6 ~ 0.7
-n 3 for thresholds 0.5 ~ 0.6
-n 2 for thresholds 0.4 ~ 0.5
-d clstr文件中的描述字符长度,默认为20,设置为0的时候只去除第一个空格前面的字符
-M 设置使用内存大小,单位为MB
-T 设置核心数
-G 设置全局比对还是局部比对,如果这个参数设置为0,那么最好是配合-aS使用,避免过段的高质量匹配产生的无意义信息扰乱下游分析
-aS 比对序列的长度至少需要占较短序列(即冗余序列,因为较长的序列是代表序列)的比例
-AS 设置alignment coverage of short sequence,即短序列中,未在alignment中的序列必须短于这个值
-g 精确模式,但是会更慢,但是无论是否开启,代表representative序列不会变
-sc 对输出的cluster进行排序,大的cluster先输出
层级聚类
先对各个层级聚类生成的序列文件再次聚类