2024-07-24 CD-hit，seqkit 按照ID提取序
2024-07-23 本文已影响0人
dashan1928
宏基因组二代测序结果binning之后的序列可能存在重复，首先使用prokka将binning后的序列转化为蛋白序列，
再使用CD-hit 命令默认参数将序列进行去重复
然后使用seqkit seq -i 获取序列的id
再使用seqkit grep -f 获取原先每个bin中的fasta序列
注：转成氨基酸序列后，保证了序列相似度识别的准确性，再进行去冗余后可以尽可能保证剩余序列的唯一性
