CD-HIT

CD-HITiä voidaan käyttää suurten sekvenssijoukkojen klusterointiin tai identtisten tai hyvin samankaltaisten sekvenssien poistamiseen sekvenssijoukosta.
CD-HITiä käytetään usein työkaluna tuottamaan ei-redundantti sekvenssijoukko suuren sekvenssijoukon jatkoanalyysiä varten.
CD-HIT tunnistaa fasta- ja fastq-sekvenssimuodot.

CD-HIT
- Lisenssi
- Saatavuus
- Käyttö
- Tuki
- Lisätietoja

Lisenssi

Vapaasti käytettävissä ja avointa lähdekoodia GNU GPLv2 -lisenssillä.

Saatavuus

Roihu: 4.8.1 (moduuli cdhit), bio-apps-moduulin kautta.

Käyttö

CD-HIT on osa Roihun bio-apps -kokoelmaa. Lataa ensin bio-apps-moduulipuu ja sitten CD-HIT-moduuli:

module load bio-apps/v202603
module load cdhit/4.8.1

Lataamisen jälkeen CD-HIT-komennot ovat käytettävissä. CD-HIT-paketti sisältää monia ohjelmia. Merkittävimmät niistä ovat:

Program	Description
cd-hit	Proteiinisekvenssien klusterointi- ja redundanssinpoistotyökalu
cd-hit-est	Nukleiinihapposekvenssien klusterointi- ja redundanssinpoistotyökalu (vain sekvensseille, jotka eivät sisällä introneita)
cd-hit-2d	Työkalu kahden proteiinisekvenssijoukon vertailuun
cd-hit-est-2d	Työkalu kahden nukleiinihapposekvenssijoukon vertailuun
cd-hit-454	Ohjelma keinotekoisten duplikaattien tunnistamiseen raakamuotoisista 454-sekvensointiluennista
psi-cd-hit	Klusteroi proteiineja alle 40 %:n raja-arvolla
cd-hit-lap	Tunnista päällekkäiset luennit
cd-hit-dup	Tunnista duplikaatit yksittäisistä tai pareittaisista Illumina-luennoista
h-cd-hit	Hierarkkinen klusterointi

Täydellinen ohjelmaluettelo löytyy CD-HIT-käyttöoppaasta.

Voit listata CD-HIT-ohjelmien komentorivivalinnat käyttämällä valintaa -help. Esimerkiksi:

cd-hit -help

Yksinkertainen proteiinisekvenssijoukon analyysi voidaan tehdä esimerkiksi komennolla:

cd-hit -i my_proteins.fasta -o reduced_set.fasta -c 0.95

Yllä oleva esimerkkikomento tuottaa kaksi tulostiedostoa:

reduced_set.fasta sisältää karsitun sekvenssijoukon. Tässä tapauksessa, jos kaksi sekvenssiä ovat yli 95-prosenttisesti identtisiä, vain pidempi niistä sisällytetään tuloksiin.
reduced_set.fasta.clstr sisältää tietoa niiden sekvenssien klusteroinnista, joiden samankaltaisuus on suurempi kuin annettu kynnysarvo (tässä tapauksessa 95 %).

Tuki

CSC:n asiakastuki