有些時候，我們得到的測序reads，長度超過了測序平臺的最長測序量或者說長度太短了不利于進行后續(xù)的組裝，例如：HiFi測序一般在15kb~20kb左右，但是你的hifi read中出現(xiàn)了50kb的read是不是應該思考一下這個reads是不是有什么問題，會不會是測序時的接頭沒有去除什么的，當然也可以用fastqc進行質(zhì)控。還有就是在出現(xiàn)了許多1000bp的小片段reads，是不是會影響后續(xù)的組裝工作；甚至是你的reads中出現(xiàn)了一些污染的情況，一般為細菌污染，是不是首先應該對reads進行初步的處理，才能更好的做后續(xù)的工作。
chopper就可以先對reads進行一定的過濾！
chopper介紹
Rust implementation of NanoFilt+NanoLyse, both originally written in Python. This tool, intended for long read sequencing such as PacBio or ONT, filters and trims a fastq file.
Filtering is done on average read quality and minimal or maximal read length, and applying a headcrop (start of read) and tailcrop (end of read) while printing the reads passing the filter.
chopper安裝
直接粗暴用conda或者 mamba
conda install -c bioconda chopper
mamba install -c bioconda chopper
下載安裝包加權(quán)限直接用
wget https://github.com/wdecoster/chopper.git
cd chopper
chmod +x chopper
安裝完成后可直接調(diào)用
$ chopper -h
Filtering and trimming of fastq files. Reads on stdin and writes to stdout.
Usage: chopper [OPTIONS]
Options:
-q, --quality <MINQUAL> Sets a minimum Phred average quality score [default: 0]
--maxqual <MAXQUAL> Sets a maximum Phred average quality score [default: 1000]
-l, --minlength <MINLENGTH> Sets a minimum read length [default: 1]
--maxlength <MAXLENGTH> Sets a maximum read length [default: 2147483647]
--headcrop <HEADCROP> Trim N nucleotides from the start of a read [default: 0]
--tailcrop <TAILCROP> Trim N nucleotides from the end of a read [default: 0]
-t, --threads <THREADS> Use N parallel threads [default: 4]
-c, --contam <CONTAM> Filter contaminants against a fasta
-h, --help Print help
-V, --version Print version
具體怎么使用官方給的用法
#這個軟件不支持讀取壓縮文件，所以要先解壓你的fastq.gz的測序文件
#! /usr/bin/bash
gunzip -c reads.fastq.gz | chopper -q 10 -l 500 | gzip > filtered_reads.fastq.gz
-q 設置平均質(zhì)量數(shù)，其實默認即可
-l 設置限制最短reads長度
我的使用---根據(jù)自己的數(shù)據(jù)調(diào)整
gzip -dc reads.fastq.gz | chopper --minlength 1000 --maxlength 25000 -t 10 --contam bacteria_nt.fa | gzip >hifi.chopper.fastq.gz
--minlength 1000 設置了最短的reads限制
--maxlength 25000 設置最長的reads限制
-t 調(diào)用了10個線程
--contam 設置比對序列
--contam個人覺得這是一個比較有用的參數(shù)，這是一個過濾污染的參數(shù)。我是懷疑我的數(shù)據(jù)被細菌給污染了，我就讓我的reads序列去和細菌的序列bacteria_nt.fa進行比對，然后剔除被污染的序列。
