数据库文件有哪些类型？

数据库里面有三种类型的文件。

第一种文件为主文件,后缀名为.mdf，数据库中的主要数据都存储在这个文件中，还有一个文件是日志文件,后缀名为.ldf，主要记录数据库的日志以及数据库的 *** 作记录。一个数据库中必须有至少一个主文件和日志文件。但是主文件只能有一个，日志问及可以有多个。还有一种文件就是辅助文件，后缀名是.ldf。主要存储数据库的一些辅助信息。

步骤如下：

1. 在Linux系统中（或虚拟系统）通过cd命令进入文件夹（路径）；

2. 用FLASH工具：flash subsample_r1.fq subsample_r2.fq -m 200 -M 280 -o merged

3.提取barcode： extract_barcodes.py -f joined.extendedFrags.fastq -c barcode_single_end --bc1_len 6 -o processed_seqs

4. 割库：split_libraries.py -m mapping.txt -b 10 -l 250 -f merged.extendedFrags.fastq_fasta -o split_library_out

5. OTU分类：pick_otus.py -i split_library_out/chimera_filtered_seqs.fna -o picked_otus/

到这里就可以得到biom文件了

6. 得到分类信息：biom summarize-table -i sorted_otu_table.biom -o seqs_per_sample.txt

细菌的核糖体RNA(rRNA)按照沉降系数分为5S, 16S, 23S三种。16s rRNA是微生物核糖体RNA的一个亚基，16s rDNA是编码该亚基的基因，存在于所有细菌染色体基因中。测序是将16S rDNA扩增出来，而不是研究RNA。

将翻译16S rRNA的DNA扩增出来测序，目的为识别样本中 有哪些 原核生物物种(细菌/古菌)，研究物种多样性。包括他们的相对丰度及物种构成。

为什么可以根据16S rRNA来识别其物种？ 16S rRNA测序是测其上若干个 可变区 。这些可变区是 species-specific 的，可以根据这些可变区的序列特征识别出其物种。同时可变区中穿插着一些保守区。保守区则在不同物种之中变化不大，不能用于特异的识别其属于哪一个物种。

Illumina二代测序的具体过程可以通过官方视频了解，十分详细。大概是:

参考 wiki

参考 illumina官网

官网视频是youtube的，这里是 一个B站的

另一个B站视频

raw sequence data的fastq格式文件，有固定的格式。参考 https://en.wikipedia.org/wiki/FASTQ_format

列举工作中常见的两种双端测序得到的raw seqence data：

---