Pure_seq_Clean_Data.pl_README讲述.doc

微生物纯测序项目流程操作手册 目录 1 流程简介 2 2 流程路径： 4 3使用说明： 4 4 注意事项： 7 5 使用例子： 8 6 测试目录： 9  1 流程简介 名字：Clean_Data.pl 版本：V1.2， Date：2012-7-31 功能：下机数据过滤处理、数据质控、上传数据目录结构整理。具体操作步骤包括：（1）如果提供载体序列，则去除载体序列；（2）去除N碱基数达到一定比例的reads；（3）去除低质量Q20碱基数目达到一定程度的reads；（4）去除有adapter污染的reads；（5）统计数据信息并执行质量控制（生成质控表、测序策略表、过滤信息统计表、碱基分布图、质量值分布图）；（6）数据打包压缩，目录结构整理，生成上传PMO的脚本。另外本流程可以根据BMS网址获取下机数据信息列表（仅在深圳集群可用）。 V1.2升级更新内容： 1 加入参数：--lane_match file 对文库名根据字符串的匹配来设置数据量 2 加入参数：--samp_mathc file 对样品名根据字符长的匹配来设置数据量 3 加入参数：--multi file 用配置文件同时运行多个只测序项目 4 加入参数：--cpu num 设置使用—multi时的线程数 5 加入参数：--tar num 1 只打包数据量小于2G的样品，2 全部打包, 3 全部不打包，默认=1 6 加入参数：--get_raw 设置目录名称（如00.Rawdata），并把Rawdata链接到该目录，默认不链接。 输入数据包括： 1下机数据目录路径，可由solexa邮件中找到，如下图，刘文彬的下机数据路径为：/share/fqdata44/data + F12FTSECKJ0047_PSEnvrD = /share/fqdata44/data/F12FTSECKJ0047_PSEnvrD，查看该目录： 输入目录最好是下机数据所在目录的上一级目录，所以输入目录为： /share/fqdata44/data/F12FTSECKJ0047_PSEnvrD/DNASPE 但是用/share/fqdata44/data/F12FTSECKJ0047_PSEnvrD/作为输入目录也是可以的，但可能会增加程序的有哪些信誉好的足球投注网站时间。 如果“F12FTSECKJ0047_PSEnvrD”是“大项目_子项目编号”，直接用/share/fqdata44/data作为输入目录（这个目录只有三层）。 如果项目包含多个子项目，有多个下机目录，可把所有的下机目录写到一个文件（一个目录一行），用该文件作为输入目录。也可以用逗号“，”把多个目录连起来。 Solexa（finished）邮件 2 BMS网页上“样品信息-文库信息跟踪”列表，如下图，把整个表格除去表头，直接复制下来作为输入文件即可；也可以只写三列：样品名、文库名、插入片段长度。如果是有多个子项目，则每个子项目以“子项目编号”为第一行，下面加改子项目的BMS列表。 BMS“样品信息-文库信息跟踪”列表 把上面的BMS列表复制到一个文件 一个大项目包含几个子项目，也可以写在一起，以“子项目编号”开头 另外，在只有一个子项目的情况下，直接用bms的http网址也是可以的（仅限于深圳集群使用），如： /bms/request/item/item_info.jsp?ITEM_MX_ID=4028600137361047f012f8 2 流程路径： 深圳：/ifs4/BC_PUB/biosoft/pipe/bc_mg/Pure_Seq/Pure_seq_1.2/bin/Clean_Data.pl 香港：/ifshk4/BC_PUB/biosoft/pipe/bc_mg/Re_seq/Pure_seq_1.2/bin/Clean_Data.pl 相关的交付文档在流程report目录下 3使用说明： Usage: perl Clean_Data.pl bms.lst Rawdate_dir [sub_project_name] bms.list BMS上是下机数据信息列表（整个表格，除了表头直接拷贝下来即 可），也可以只输入3列：样品名、文库名、插入片段长度。如果包 含多个子项目，则每个子项目的表头为“子项目编号” Rawdata_dir 所以样品的下机数据所在总目录，如果下机数据在几个目录，输入 是这几个目录的列表文件 --multi file 用配置文件同时运行多个只测序项目，格式见注意事项6 --cpu num 设置使用—multi时的线程数 --config file 配置文