こちらからダウンロードしてください。その後、ダウンロード & 解凍して得られたファイルに入り，

make

と入力してください．
multi-threading に対応させるには，

make openmp=yes

と入力してください．

トランスクリプトームデータの解析
cd-hit-est を使います．

cd-hit-est -r 1 -T 1 -M 1000 -n 5 -c 0.8 -i INFILE.fa -o OUTFILE.fs >& log.txt &

-r 1
両方のストランドを比較します．

-T 1
0 だとすべてのスレッドを使います．TOMBO で解析を行うときは 1 や 4 にしましょう．

-M 1000
メモリ 100Mb を意味します．1000Mb で十分だそうです．

-n 5
ワードサイズ．なくても (デフォルトでも) 大丈夫だそうです．

-c 0.8
アライメントの類似性

>&
エラーと出力ファイルを同じファイルに書き込む．

&
qsub する場合はいりません．

ログファイル

解析がうまく走り出したら，以下のようなログファイルが作成されます．

[jun-inoue:clearnDir]$ cat log.txt
================================================================
Program: CD-HIT, V4.6, Jul 16 2013, 13:59:58
Command:
/apps/SinclairU/cd-hit-v4.6.1-2012-08-27_withoutMULTI/cd-hit-est
-T 4 -M 1000 -n 5 -c 0.8 -i
trinity_out_dir/Trinity.fasta -o eyeClearn.fas

Started: Tue Jul 16 14:59:53 2013
================================================================
Output
----------------------------------------------------------------
Option -T is ignored: multi-threading with OpenMP is NOT enabled!
total seq: 136837
longest and shortest : 12149 and 201
Total letters: 75184757
Sequences have been sorted

Approximated minimal memory consumption:
Sequence : 92M
Buffer : 1 X 16M = 16M
Table : 1 X 2M = 2M
Miscellaneous : 1M
Total : 112M

Table limit with the given memory limit:
Max number of representatives: 1080875
Max number of word counting entries: 110945009

comparing sequences from 0 to 136837

アウトファイル
以下 2 種類のアウトファイルが作成されます．

*.fas
得られた結果です．

*.fas.clstr
おそらく得られた結果の長さなどが書いてあります．詳しくはわかりません．

こちらからダウンロードしてください。CD-HIT で解析した結果、類似配列が削除され、142 配列 (Trinity.fasta) が 102 配列 (OUTFILE.fs) まで絞られました。

インファイル
Trinity.fasta。Trinity をダウンロードした際に例題としていたファイル
(trinityrnaseq-Trinity-v2.8.4/sample_data/test_Trinity_Assembly/reads.left.fq と reads.right.fq) を Trinity で解析して得た配列。

job スクリプト

#!/bin/bash
#SBATCH --job-name=cdhit
#SBATCH --mail-user="jun.inoue@oist.jp"
#SBATCH --partition=compute
#SBATCH --mem=2G
#SBATCH --cpus-per-task=4
#SBATCH --ntasks=1 # 1 task

./cd-hit-est -r 1 -M 1000 -n 5 -c 0.8 \
-i Trinity.fasta -o OUTFILE.fs >& log.txt

[2020 年 11 月]

bioinformatics

日本語による解説。