生物信息分享 http://blog.sciencenet.cn/u/fhqdddddd

博文

[转载]EST序列拼接流程

已有 1911 次阅读 2019-1-28 09:41 |个人分类:生物信息|系统分类:科研笔记|文章来源:转载

http://blog.sina.com.cn/s/blog_4476400f0100iq0x.html



EST----》
对EST序列进行冗余查找,利用CD_HIT软件聚类,快速批量去除冗余序列

est-trimer(去掉帽子和尾巴,去掉太短而不可信的)------》

RepeatMaster(去掉转座子等重复)-----》

seqclean(去除载体,线粒体叶绿体等序列)------》

CAP3(拼接)


est-trimmer可以从 http://pgrc.ipk-gatersleben.de/misa/do-  wnload/est_trimmer.pl 下载,就是个perl脚本,不用安装。脚本运行参数:

DESCRIPTION: Tool  for trimming EST (DNA) sequences

## 

## SYNTAX:  est_trimmer.pl <FASTAfile> [-amb=n,win]  [-tr5=(A|C|G|T),n,win]

##              [-tr3=(A|C|G|T),n,win] [-cut=min,max] [-id=name]

##              [-help]

## 

##   <FASTAfile>   Single file in FASTA format  containing the sequence(s).

##   [-amb=n,win]  Removes distal stretches containing "n"  ambiguous bases in

 a

##          "win" bp  sized window.

##   [-tr5=N,n,win] Removes stretches of the given type  N={A,C,G,T} from the 5

'

##          end.  Value "n" defines the min. accepted repeat number of 

"N"

##          in a 5'  window of the size "win".

##   [-tr3=N,n,win] according to [-tr5] for the 3' end.

##   [-cut=min,max] Sets min. value for cutoff and max. sequence  size.

##   [-id=name]   Optional. Final results are stored  in "name".results, wher

eas

##          processing steps are listed in "name".log. If not used,

##          extensions are appended to <FASTAfile>.

##   [-help]     Further descriptions.  Use "EST_trimmer.pl -help".

## 

##   Arguments can be used plurally and are processed according  to their order

.

## 

## EXAMPLE:  est_trimmer.pl ESTs -amb=2,50 -tr5=T,5,50 -tr3=A,5,50  -cut=100,700

##  ____________________________________________________________________________

___

## 


个人觉得-amb 太恐怖了,还是没有,-cut 删除了太多了 将700设定到最大,我是设定到10000。

我的命令:

perl est_trimmer.pl input  -tr5=T,5,50 -tr3=A,5,50  -cut=100,10000 -id=output





repeatmasker 下载地址:http://repeatmasker.org/RMDownload.html  

repeatmasker  是个比较复杂的软件,参数比较多,此外还必须在本机装过crossmatch或者wu-blast要多看手册根据自己实际情况设定。其软件有个数据库,每年都更新,本地计算的必须要注意。

此外  repeatmasker运行真是慢,最好可以设成几个CPU一起算。


我的命令  repeatmasker input -e crossmatch -s


seqclean (下载:http://compbio.dfci.harvard.edu/tgi/software/)

我倒是没遇到参数的问题,就是得在NCBI上下载下载体序列ftp://ftp.ncbi.nih.gov/pub/UniVec/ 里面还有个core的,和全的,我的数据反正算的快,就选了比较大的那个文件,将univec用formatdb命令格式化下就可以直接用了

我的命令

 /usr/biosoft/blast-2.2.18/bin/formatdb  -i UniVec -p F -o T

 /usr/biosoft/seqclean/seqclean  BnE091007.fasta -v UniVec -o BnE_clean.fasta


当是我因为程序的权限不够,怎么都用不了。后来用chmod把seqclean程序的文件夹的东西都改了才行。还好最后终于成功了




https://blog.sciencenet.cn/blog-299308-1159474.html

上一篇:[转载]将序列比对的结果保存为漂亮的图片
下一篇:[转载]How to Run TGICL

0

该博文允许注册用户评论 请点击登录 评论 (0 个评论)

数据加载中...

Archiver|手机版|科学网 ( 京ICP备07017567号-12 )

GMT+8, 2022-7-3 16:59

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部