三代HiFi测序数据去除接头序列
首先查到了一个软件是 Cutadapt
https://cutadapt.readthedocs.io/en/stable/
看了一下帮助文档 这个软件去接头需要指定接头的序列，但是有一个问题是我们如何知道这个测序数据中的接头序列是啥？每种测序方法的接头序列都是固定的吗？
还有一个问题是 Hifi测序 那个CCS模式 我们拿到手的是subreads 还是一致序列
然后还找到了一个软件是 HiFiAdapterFilt
对应的论文是
HiFiAdapterFilt, a memory efficient read processing pipeline, prevents occurrence of adapter sequence in PacBio HiFi reads and their negative impacts on genome assembly
https://bmcgenomics.biomedcentral.com/articles/10.1186/s12864-022-08375-1
github 链接是 https://github.com/sheinasim/HiFiAdapterFilt
这个是一个shell脚本，依赖bamtools和blast两个软件
这两个软件conda都可以安装，但是我自己用到的服务器conda一直有问题，安装不能成功，只能手动安装这两个依赖软件了，blast有直接的可执行文件可以下载
bamtools需要自己通过命令安装
bamtools github链接 https://github.com/pezmaster31/bamtools
这个链接里有如何安装的过程 http://www.chenlianfu.com/?p=2309
image.png
自己用的服务器上cmake还没有，查了一下cmake可以手动安装
在这个链接直接下载
image.png
然后运行 bash cmake-3.25.2-linux-x86_64.sh
安装好后把这两个软件添加到环境变量
HiFiAdapterFilt 下载下来，把DB这个文件夹也添加到环境变量
export PATH=/home/myan/biotools/HiFiAdapterFilt/DB/:$PATH
这个添加环境变量是临时的，下次再次链接服务器的时候就没有了，还需要重新添加
运行 HiFiAdapterFilt
bash ~/biotools/HiFiAdapterFilt/hifiadapterfilt.sh -p example.hifi -t 2 -o output
-p参数后接的是fastq文件的前缀
-t 是用到的线程数
-o 是输出文件夹
输出文件夹里
image.png
stats结尾那个有基本统计数据
image.png
它这个好像是只要在read中检测到接头序列就会把整个reads给过滤掉
欢迎大家关注我的公众号
小明的数据分析笔记本
小明的数据分析笔记本 公众号 主要分享：1、R语言和python做数据分析和数据可视化的简单小例子；2、园艺植物相关转录组学、基因组学、群体遗传学文献阅读笔记；3、生物信息学入门学习资料及自己的学习笔记！
