有一个湖泊宏基因组项目耽搁了两个月，这周又重新开始处理了。我再一次重新去看拼接结果时，有个样品的contigs全长总和只有4M（个人感觉是不太好的结果）。又重新结合其他文献和教程对这个样品数据进行处理一下，但是结果还是不是特别好。在这个过程中，我思考了许多问题，罗列如下：
FastQC
- 在FastQC的报告中，我们应该关注哪些指标？
- 怎样的数据是好的数据，怎样的数据是坏的数据？
- 如何判断怎样的数据可以进行下一步处理了？
- 过滤后的数据显示还有接头会怎么样？
Trimmomatic
- 各个参数代表的意义是什么？如何去设置参数？
- 使用何种接头文件?
- 不同类型的数据（RNAseq或DNA数据）的参数设置会有些不同么？
- 软件输出的两个unpair文件是否舍弃不用？
While the assembly runs…
- 除了看N50，还有其他指标来判断拼接的好坏么?
- 如何看覆盖度的分布，怎样才是ok的呢？还是根据不同的实验目的覆盖度的要求不同？
- 对于宏基组数据为什么要进行拼接呢？
- 使用未拼接reads和使用拼接完成的contigs数据去分析微生物组成有何不同？各自有什么优缺点？
- 宏基因组测序应该选择何种测序平台（Illumina HiSeq, Illumina MiSeq, PacBio）？
- 如果想要去拼接宏基因组数据，应该如何去设计实验？
classification
- 分箱的目的何在？
- 基于序列比对和基于序列特征及标记基因的分类注释方法，两种方法的优缺点？哪种更优？