如何縮短基因組序列以確保我的工作流程正常工作？

Question

我是德國海德堡大學的莫里茨。

對於我的學士論文，我有20個大的（25-30 GB）的基因組文件（.txt.gz）由肝細胞癌患者。我的Ubuntu服務器上安裝了Bpipe，我必須嘗試幾種方法。包括

步驟是：

• 對齊（BWA（變換賽和SAM））抗hg19.fasta
• 變換（samtols）
• 重複數據刪除

我的問題是爲了嘗試我的bpipe工作流程，我必須採取30 GB的整個序列，並從頭開始。這需要很多時間。所以我的問題是：

如何縮短一個文件？

我在哪裏可以找到一個可用於測試管道的短序列？

Answer 1

你可以找到在NCBI SRA（序列讀取存檔數據庫）許多癌症序列數據集

http://www.ncbi.nlm.nih.gov/sra?term=cancer

的SRA格式的序列文件可轉換使用FASTQ「的fastq轉儲」與BWA對齊

http://azaleasays.com/2011/09/09/convert-sra-format-to-fastq/