用cutadapt软件来对双端测序数据去除接头

一般来讲，我们对测序数据进行QC，就三个大的方向：

• Quality trimming
• Adapter removal
• Contaminant filtering

当我们是双端测序数据的时候，去除接头时，也会丢掉太短的reads，就容易导致左右两端测序文件reads数量不平衡，有一个比较好的软件能解决这个问题，我比较喜欢的是cutadapt软件的PE模式来去除接头！尤其是做基因组或者转录组de novo 组装的时候，尤其要去掉接头，去的干干净净！

cutadapt是经典的python软件，但是因为我的linux服务器有点问题 ，可能是root权限问题，没有用 pip install cutadapt 安装成功，我懒得搞这些了，其实可以自己去下载cutadapt的源码，然后进入源码文件夹里面 python setup.py install --user 到自己的 ~/.local/bin下面。

不过，问题不大，我也就是试用一下。

首先用fastqc软件对测序数据进行简单检测，看看有什么接头：

TruSeq Universal Adapter
AATGATACGGCGACCACCGAGATCTACACTCTTTCCCTACACGACGCTCTTCCGATCT

Illumina Small RNA 3p Adapter 1 ATCTCGTATGCCGTCTTCTGCTTG

最严重的一般是TruSeq Universal Adapter ， 而且它检测到你其它的接头可能就是这个 TruSeq Universal Adapter 的一部分而已~！ 我们可以先用cutadapt去除试一下。cutadapt软件支持对PE测序数据的处理，基本的用法是：

cutadapt -a ADAPTER_FWD -A ADAPTER_REV -o out.1.fastq -p out.2.fastq reads.1.fastq reads.2.fastq

-a和-A是左右端测序数据的3端接头，-g和-G是左右端测序数据的5端接头。支持fastq和fasta格式的gz压缩文件，必要时用-f参数指定测序文件数据格式即可。

我自己的实际例子如下：

python ~/miniconda2/pkgs/cutadapt-1.10-py27_0/bin/cutadapt \
-a AATGATACGGCGACCACCGAGATCTACACTCTTTCCCTACACGACGCTCTTCCGATCT -a ATCTCGTATGCCGTCTTCTGCTTG \
-A AGATCGGAAGAGCGTCGTGTAGGGAAAGAGTGTAGATCTCGGTGGTCGCCGTATCATT -A CAAGCAGAAGACGGCATACGAGAT \
-e 0.1 -O 5 -m 50  -n  2 --pair-filter=both \
-o read_PE1.fq -p read_PE2.fq test1.fastq test2.fastq >& log.txt

参数解释如下：

两个-a参数后面接的是两种接头，两个-A参加后面接的是同样的两个接头的反向互补序列！
加上-n 2是因为有两个接头，我的测序数据里面有可能一个read里面含有两种接头，所以需要检测两次。
-e 0.1 -O 5 -m 50是标准参数，自己看readme就好了，其中-m设置为50 是表示去除接头后如果read长度小于50我就不要了，因为我是PE150测序的，这也就是为什么要用PE模式来去除接头，保证过滤后的reads还是数量继续平衡的。

去除了接头之后的文件再用fastqc软件跑一下，很明显可以看到 接头去除成功啦！

当然，这个软件还有很多其它的功能，我就不一一介绍了：

去接头对基因组或者转录组组装是非常重要的。