小RNA測(cè)序產(chǎn)生的序列長(zhǎng)度為35nt，而sRNA序列長(zhǎng)度是18~30nt,所以測(cè)序得到的序列上有一段3’接頭序列冈闭。
以下為預(yù)測(cè)小RNA數(shù)據(jù)接頭并去除的幾種方法：
1俱尼、用Muscle、Jalview查看接頭序列
cat SRR1451680.fa | head -n 10000 | tail -n 40
Muscle (http://www.ebi.ac.uk/Tools/msa/muscle/)
將這些序列貼到muscle軟件中進(jìn)行序列比對(duì)
帶星號(hào)*的區(qū)域?yàn)楸Ｊ貐^(qū)域萎攒，即adaptor
將比對(duì)序列復(fù)制粘貼到txt文檔中
用Jalview查看可視化查看結(jié)果
保守性最高的堿基區(qū)域即為adaptor-----TGGAATTCTCGGGTGCCAAGGAACTCCAG
2遇八、CJ命令行
head -n 4000000 SRR1451680.sra.fastq|perl -lane 'print if $.%4==2'|sort|uniq -c|sort -n|tail|perl -lane 'print qq{>},$count++,qq{_},$F[0],qq{\n},$F[1]'|muscle -clw –quiet
TGGAATTCTCGGGTGCCAAGGAACTCCAG
與第一種方法同義
3耍休、用dnapi.py預(yù)測(cè)接頭
InFile=$(ls *.fastq)
for i in $InFile
do echo $i
dnapi.py $i
done
SRR1451680.sra.fastq
TGGAATTCTCGG
SRR6852083.sra.fastq
AGATCGGAAGAG
去除接頭和低質(zhì)量序列（接頭序列不用給全長(zhǎng)刃永，一般6-10bp就可識(shí)別）
/tools/fastx_toolkit_0.0.13/fastx_clipper -v -c -l 15 -a "TGGAATTCTCGG" -i SRR1451680.fa -o Arabidopsis_thaliana_SRR1451680_trimmed.fa
去接頭時(shí)只保留接頭序列的前10個(gè)bp比保留全長(zhǎng)快很多
當(dāng)然也可以直接用CJ的TBtools中的小工具sRNAseqAdaperRemover，接頭預(yù)測(cè)和去接頭一步完成羊精，并且速度很快
java -cp TBtools_JRE1.6.jar biocjava.sRNA.Tools.sRNAseqAdaperRemover --inFqFile $i.sra.fastq --outFaFile $i.trimmed
處理NCBI下載的SRA數(shù)據(jù)時(shí)可能會(huì)因?yàn)闆]有注意遇到關(guān)于adaptor和barcode是否去除的問題斯够，比如以下兩個(gè)例子：
1、在用TBtools小工具去除菜心的三套SRA數(shù)據(jù)的接頭發(fā)現(xiàn)只有一套數(shù)據(jù)SRR1161445成功了喧锦，由于NCBI-SRA中的數(shù)據(jù)并不一定都是raw data读规，可能有些用戶上傳的數(shù)據(jù)經(jīng)過了一定的處理，因此這種情況需要查看這些處理失敗的數(shù)據(jù)是否已經(jīng)去除了接頭
用miR156的成熟序列查看接頭情況
在miRbase上查找miR156/157的成熟序列燃少，查看接頭束亏；因?yàn)閙iR156/157是非常保守的小RNA，所以序列基本一致阵具；
失敗的兩套數(shù)據(jù)顯然已經(jīng)去除了接頭
查了NCBI中的數(shù)據(jù)信息碍遍，確實(shí)是已經(jīng)去除了接頭的數(shù)據(jù)（Adapters were trimmed by the sequencing facility.）
2、深山南芥的一套數(shù)據(jù)SRR6294788在處理過程中由于bowtie回帖率低于1%阳液，而去冗余之后的文件很大怕敬，考慮可能是去接頭的問題，但是查看數(shù)據(jù)后發(fā)現(xiàn)這套數(shù)據(jù)還在前后各加了4個(gè)堿基的隨機(jī)barcode帘皿，去接頭后還需要再去掉barcode
之后在用到這套數(shù)據(jù)的文章中查找發(fā)現(xiàn)確實(shí)有4個(gè)堿基的barcode
?A Small RNA Pathway Mediates Allelic Dosage in Endosperm
sRNA libraries were appended with 4-base randomized barcodes immediately 30 and 50 of the sRNA read, which were used to remove PCR duplicates (any read of the same sRNA sequence with identical flanking barcodes on both ends) before being removed themselves.
https://www.plob.org/article/2789.html
