2022-03-29确定测序数据污染源

1.从bam文件中提取未比对上的reads到新bam文件

samtools view -bf 4 IP_988_1_H3K4me3.bam > IP_988_1_H3K4me3unmapped.bam

2.提取出未比对上的双端reads （bamtofastq）

bamToFastq -i IP_988_1_H3K4me3.bam -fq IP_988_1_H3K4me3unmappedR1.fastq -fq2 IP_988_1_H3K4me3unmappedR2.fastq

3.从双端各随机抽取1W序列，组成2W条query序列（seqtk seq -a为转化fastq到fa）。

seqtk sample -s100 Sample.R1.fastq.gz 10000 |seqtk seq -a - >Sample.2W.fa &&

seqtk sample -s100  Sample.R2.fastq.gz 10000 |seqtk seq -a - >>Sample.2W.fa

4.下载NT和NR数据库

ascp -v -k 1 -T -l 200m -i ~/.aspera/connect/etc/asperaweb_id_dsa.openssh （asperaweb_id_dsa.openssh所在路径） [email protected]:/blast/db/FASTA/nt.gz ./

ascp -v -k 1 -T -l 200m  -i ~/.aspera/connect/etc/asperaweb_id_dsa.openssh [email protected]:/blast/db/FASTA/nr.gz ./

注：需要提前下载aspera-cli；该软件可以从大安装；安装命令为：conda install -y -c hcc aspera-cli

5.数据库比对

gunzip nt.gz

makeblastdb -in nt -out nt -dbtype nucl

blastn -query Sample.2W.fa -db nt -num_threads 8 -outfmt '6 staxids qseqid sseqid pident length mismathch gapopen qstart qend sstart send evalue bitscore qcovs' -evalue 1e-10 -max_target_seqs 1 -out Sample.2W.nt.txt

6.提取比对结果

利用awk整理比对结果，并统计比对到各物种的比例

统计结果

初步确定存在病菌类和人源污染，去找公司argume！