每日小竅門：如何去除Read中的污染的Bacteria序列？

最近做的一個項目中，Read有很多的污染（Contamination）序列。通過獲取部分read（100,000 reads）數據進行測試，我們發現污染序列大部分是來源於Bacteria。我們的方案是先把Bacteria污染的Read去掉，然後在進行下面的分析。

所以我們準備直接使用Bowtie2將read 比對到細菌基因組上，然後獲取Unmapped reads進行下游分析。

通過搜索NCBI，我們發現在NCBI中目前有10,194個對應的基因組序列。使用wget下載對應的序列後（大約需要18個小時）。對應的序列共有40G的數據（玉米基因組大小大約為2.2G）。另外我們的Read序列也比較多。如果採取將read比對至這些序列的話，那麼消耗的時間將會很大。

所以我們最後決定先從每個樣本中去除100,000 read將其比對至nt 資料庫，我們使用的比對工具是：magic-BLAST。 然後通過使用blastcmd獲得對應比對到的序列的物種。接著我們對這些物種計數，取出至少有100個read mapping的細菌物種。然後下載這些物種的基因組信息，合併後建立資料庫。然後將Read比對至這些序列，獲得Unmapped read 後進行下游分析。

後面我們會詳細講一下如何使用Magic-BLAST進行比對，然後進行獲得對應的物種信息。然後又如何使用ncbi-genome-download來下載對應的基因組序列。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！