数据分析流程
来自知乎孟浩巍的“快速入门生物信息学的”Live，超棒的~
首先是质控部分，使用fastqc进行对结果分析。
对于Illumia二代测序的结果质控包括两个方面，去掉测序质量不好的序列，即Quality Control；二是需要去掉连在玻璃上的短的接头，cut adaptor。
-t 8表示调用8个核心去运算。
之后，对每一个序列文件都生成一个zip和一个html文件。
例如：
那么这2500000肯定是不同的基因，只不过这个机器的测序长度是150，所以所有的基因长度都是相同的。
对250万reads，每个位点的Q做一个箱线图，要求箱线值最低点高于20%，否则需要将那部分切除。
在145左右的的序列Q值较低测序不稳，所以这样的序列145之后的全不要了。
这个是GC含量图，通常A和T相同，C和G相同，但是前10bp不稳定，需要切除。
表示测序过程中测到的段序列的含量，横轴是1-150bp,纵轴是百分比。由于某种原因导致测的绝大多数都是测的adaptor。
这个主要是衡量建库水平，建库中通常有6-8轮的PCR，但有时会出现过P的现象，当duplication过高的情况下，需要去dup。但是在RNA-seq里通常是不去dup的。
②接下来，使用fastx_trimmer去头去尾。
zcat $fastq_1 | fastx_trimmer -f 11 -l 140 -z -o $out_fastq_1 &
zcat解压缩，$fastq_1是输入的第一个文件，这个文件解压缩之后的结果给fastx_trimmer这个命令，
这个命令的参数-f是指first即保留的第一个bp（这里前10bp剪切掉了）；last即保留的最后一个bp(保留到第140bp)，-z是压缩命令，-o是输出到这个文件里。
//其中$：在bash里表示当前是普通用户；是变量引用操作符。a=10; echo $a会输出10。
③使用cutadaptor去掉两端的adaptor。
trimmer之后有一个去adaptor的过程，使用cutadaptor的软件，
nohup cutadapt --times 1 -e 0.1 -0 3
--quality-cutoff 6 -m 50 -a AGATCGGAAGAGC
-A AGATCGGAAGAGC -o $out_fastq_1
-p $out_fastq_2 $fastq_1 $fastq_2 > $log_file 2>$1 &
//其中nohup：不挂断地运行命令。
//2>$1：$1是传递给shell脚本的第一个参数；（转自:https://www.cnblogs.com/kaituorensheng/p/4002697.html）
$# 是传给脚本的参数个数
$0 是脚本本身的名字
$1 是传递给该shell脚本的第一个参数
$2 是传递给该shell脚本的第二个参数
$@ 是传给脚本的所有参数的列表
$* 是以一个单字符串显示所有向脚本传递的参数，与位置变量不同，参数可超过9个
$$ 是脚本运行的当前进程ID号
$? 是显示最后命令的退出状态，0表示没有错误，其他表示有错误
//times 1一条序列只去一次Adaptor；-e 0.1在匹配时可以有10%的错误率；-O 3 adaptor序列必须和测序序列有3个碱基以上的overlap才可以；常用6；-m 50如果处理之后低于50的话就扔掉序列，短序列测序质量可能不是很好；-a和-A是Illumina常用的通用引物，之所以输入两个，是因为我是一个双端测序的结果，需要对两个文件内容进行分别去除，-a对应Reads1，-A对应reads2，$fasrq_1和_2是上一步的输出；>最后是写入log文件