2024-07-24 CD-hit，seqkit 按照ID提取序列的应用

宏基因组二代测序结果binning之后的序列可能存在重复，首先使用prokka将binning后的序列转化为蛋白序列，

再使用CD-hit 命令默认参数将序列进行去重复

然后使用seqkit seq -i 获取序列的id

再使用seqkit grep -f 获取原先每个bin中的fasta序列

注：转成氨基酸序列后，保证了序列相似度识别的准确性，再进行去冗余后可以尽可能保证剩余序列的唯一性

©著作权归作者所有,转载或内容合作请联系作者
平台声明：文章内容（如有图片或视频亦包括在内）由作者上传并发布，文章内容仅代表作者本人观点，简书系信息发布平台，仅提供信息存储服务。

推荐阅读更多精彩内容