Cutadapt拆分MGI数据

Log

用Cutadapt拆分MGI测序仪的下机数据

背景说明

用华大测序仪上机测序时，如果选择不由测序仪自动拆分，测序完成后，只会得到一个包含index序列的Fastq文件。
使用Cutadapt，可以比较方便地按你需要的index，拆分成多个Fastq文件；还可以参数指定用多个线程拆分，会比较快。
同样的方法也可以用于一些包含Tag序列的Fastq文件，例如基因表达谱分析（DGE，Digital Gene Expression Tag Profiling）的数据。

输入文件

  • MGI下机的包含index序列的Fastq文件
    以下示例是测序读长是50，用的是Dual Barcode 8 bp + 8 bp的Fastq文件。
    Input_Fq

  • 目标index序列的Fasta文件
    按以下格式写成Fasta文件。序列末尾的*$*符号，是为了保证检出的index序列是完整地出现在序列3’末端，详见Cutadapt文档 Overview of adapter types。
    Index_Fa

拆分脚本

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
# Shell

### 参数 ###
# 输入Fastq文件
Input="xxxxxx.fq.gz"
# Index Fasta文件
Index="index.fa"
# 输出目录
Result_Dir="Result"
# 测序读长
Read_Length=50
# 调用核数量
Core=6

### 拆分 ###
rm -fr $Result_Dir
mkdir -p $Result_Dir
# 用{name}可以使输出文件名用$Index中的Reads ID作为文件名前缀
cutadapt -j $Core --no-indels -e 0 --quality-cutoff 0 --minimum-length $Read_Length --maximum-length $Read_Length -a file:$Index -o $Result_Dir/{name}.fq.gz $Input

参考资料

Cutadapt文档 Demultiplexing