问题描述
我已经将一个较大的fastq文件拆分为6个或7个较小的，更易于管理的文件，用于基因组组装。
现在重新组合输出文件（contigs.fasta）是否“生物学上正确”？有更有意义的方法吗？
谢谢。
解决方法
最佳实践是使用可以在足够的硬件（具有大的RAM和快速的I / O）上处理大型fastq文件的汇编程序。如果输入大于RAM中的容量，则让汇编软件自己并行化汇编过程。最好使用这种单一输入方法，将输入分成多个部分，分别组装每个部分，然后“组装”部分输出/重叠群。
参考：
https://www.ncbi.nlm.nih.gov/pmc/articles/PMC5850084/
Dominguez Del Angel，V.，Hjerde，E.，Sterck，L.，Capella-Gutierrez，S.，Notredame，C.，Vinnere Pettersson，O.，Amselem，J.，Bouri，L.，Bocs， S.，Klopp，C.，Gibrat，JF，Vlasova，A.，Leskosek，BL，Soler，L.，Binzer-Panchal，M.，＆Lantz，H.（2018年）。基因组组装和注释入门的十个步骤。 F1000Research，7，ELIXIR-148。 https://doi.org/10.12688/f1000research.13598.1
对于基因组组装，运行时间和存储要求将 随着数据量的增加。随着大数据需要更多数据 基因组，因此基因组大小与 运行时间/内存要求。只有一小部分可用 汇编程序可以将汇编程序分为几个过程 并在多个计算节点上并行运行它们。无法使用的工具 这样做往往会在单个节点上需要大量内存，而 可以拆分进程的程序每个程序需要较少的内存 单个节点，但是当 有几个节点可用。因此，选择 在项目早期使用适当的组装工具，并确保有 足够的正确类型的可用计算资源来运行这些资源 工具。