Cookiecutter 使用

1.需求

　　①make

　　②gcc 4.7以上

　　③python2.7

　应用于Linux/Unix 或者OS X 系统

2.安装

　　①减压缩

    ②git clone http://github.com/ad3002/Cookiecutter.git
      cd Cookiecutter/src
       make
       sudo make install　　
没有root 用以下：

PREFIX=/my/dir make install
下图，，详细


3.如何使用
　　①remove　　给Kmer库，输出没有匹配上Kmer的reads
　　②rm_reads　　是remove的一个扩展。另外提供了通过（C）n /（G）n轨道或未知核苷酸，读取长度或低序列复杂性的存在来过滤读数的选项，并输出过滤和未过滤的读数;。
　　③extract　　给定Kmer库， 输出匹配到Kmer的reads
　　④separate　　给定Kmer库，输出匹配以及没匹配上的reads，生成2个文件
So. 如何建立一个Kmer库吶。。。。。。。

① 它可以使用cookiecutter make_library从FASTA文件创建。例如，命令

cookiecutter make_library -i adapters.fa -o adapters.txt -l 5
将从FASTA文件adapters.fa创建长度为5 bp的k-mers文件adapters.txt。

②如果要从大型数据集创建库，或者计算机上的内存有限，可以使用Jellyfish 2进行快速k-mer计算，并使用以下命令：

jellyfish count -m 23 -s 2G -t 4 --text -o kmer_library.dat yourdata.fastq 可以翻看以前的关于jellfish随笔。。。。。。。。

下面。。。。如何操作。。首先假定有一个Kmer库-----adapters.txt

Removing reads by k-mers

Kmer库，single_end reads 文件--raw_data.fastq，用以下命令，输入没匹配上reads，

　　　　cookiecutter remove -i raw_data.fastq -f adapters.txt -o filtered,

Extracting reads by k-mers

Kmer库，single_end reads 文件--raw_data.fastq，用以下命令，输入匹配上reads，

cookiecutter extract -i raw_data.fastq -f adapters.txt -o filtered

Advanced read filtration

假如有两个paired-end reads fastq文件，data_1.fastq and raw_data_2.fastq。除了对Kmer可以进行过滤外，还可以通过下面的标准对reads进行过滤：

read长度，(G)n or (C)n 存在，序列复杂性（(DUST）以及未知核酸， rm_reads是个不错的选择，命令如下： cookiecutter rm_reads -1 raw_data_1.fastq -2 raw_data_2.fastq -f adapters.txt -o output_dir --polygc 13 --length 50 --dust --filterN

因为有两个pair 问价，所以输出文件也必须是对应关系的。read pairs 只有在两个paire-end read 都过滤才输出，若一个不满足，则不满足的reads输出一个结尾为.se.astq的文件

Read separation

假如有两个paired-end reads fastq文件，data_1.fastq and raw_data_2.fastq。将Kmer库中与之匹配以及未匹配的reads分别输出到两个文件中。

cookiecutter separate -1 raw_data_1.fastq -2 raw_data_2.fastq -f adapters.txt -o output_dir

Processing multiple input files

Cookiecutter 支持并行运行多个文件，用-1， -2 或者-i 表示。。下面例子：
　　

同样也可以输入FASTA文件，，

关注下方公众号可获得更多精彩

详情：https://github.com/ad3002/Cookiecutter/blob/master/README.md