2020.12.30丨随机读取reads使用ncbi在线工具比对nt数据库

• 背景：最近有个项目，客户让比对到人的参考基因组，比对率却只有70%左右.为了搞清楚测序数据有没有被污染，我们需要随机读取一些reads，放到nt数据库去比对。之前都是一条一条提交，这种批量提取和提交都会遇到一些问题，因此，写这篇文章进行一个统计。
• 比对流程：随机提取序列→fastq转换fasta→提交序列→统计结果
• step.1 随机提取序列
  • 使用工具：seqtk
  • 安装方式：conda install seqtk
  • 使用代码：
    • seqtk sample -s 100 Carisma_control_ATCACGAT.fastq.gz 1000 > 1000reads_control.fastq #这里提取1000条
    • # -s 随机种子，默认值11，不清楚可以百度了解一下
  • 注意：一般进行随机比对会选择5000/10000条，不过ncbi在线平台对进程有控制，我试过，一次性跑不了5000条（PE100）。所以可以尝试跑1000或者2000条。
• step.2 格式转换
  • 这个就比较简单，稍微百度一下，出来的前几个链接都是同样的一行代码可