记录贴—使用cd-hit对orthofinder的准备数据进行预处理
在orthofinder运行后，我又遇到了新的问题—orthofinder的结果文件没有gene_tree文件，为此，我又试了三次，每次都对命令进行一些修改，大约花费了一个月的时间，但结果依旧不如人意，经过一点一点的调整，我发现问题还是出现在fasta数据文件上。
我这三次运行期间，日志文件都有如下警告：
之前我用的去除冗余数据的脚本是从网上搜到的，但我感觉去除冗余的效果不是很好（数据处理前后大小变化不大）（当然可能是因为我看不懂脚本，用错了），然后今天我搜到了cd-hit，具体内容可参考教程 | 如何用cd-hit去除冗余序列?_【快资讯】 https://www.360kuai.com/pc/989e0958f220cf998?cota=4&tj_url=so_rec&sign=360_57c3bbd1&refer_scene=so_1
根据上述教程，我用了如下命令
$ cd-hit -i input.fasta -o output.fasta -c 0.9 -aS 0.9 -d 0
（参数-c 和 -aS，我都设成了0.9，因为我认为这样精度更高一点，如有问题大家可以提出来，我也是个小白 ）
根据上述命令，挨个对自己的蛋白数据处理一下，将得到的fasta文件汇总到一个文件夹，然后继续运行orthofinder
$ orthofinder -f data -M msa -S blast -T iqtree -t 10 2>orthofinder.log
orthofinder使用可参考基因家族扩张与收缩分析及物种进化树构建（上） - 简书 https://www.jianshu.com/p/8c6ef557cc71
运行正常的话，应该如下图所示
在解决这个问题之前，我也走了很多弯路，也求助了小伙伴，小伙伴提出，会不会是线程（参数t）设置的太大，导致结果文件被砍掉了部分（我开始设置t=24，a=24，后面直接设置成t=10），但是仍旧不对。后来又检查空间是不是满了，我又删掉好多文件，为了省一点地方。这是第四次运行了，目前没有出现警告，希望能够得到tree的文件。欢迎小伙伴一起讨论！
PS：
在对准备的蛋白序列进行处理时，我还考虑过，是不是每行字符过多的问题，为了规整每行字符数（英文字符），用了如下命令：
$ fasta_formatter -i genome.fa -o genome_format.fa -w 70
（fasta_formatter 是 fastx-tookit 的一个命令，可以使用conda install fastx-tookit ）
（-i输入文件名 ，-o输出文件名，-w确定每行的字符个数）
使用时，我发现后缀必须是.fa，因为我写成.fasta，运行时会报错
（关于这个后缀问题，大家可以注意一下，也许就是因为后缀不对导致结果运行不了呢，我以前没有注意过这个问题，但我觉得不失为解决问题的一个角度吧）
经过尝试，orthofinder的运行与每行字符数没什么关系，此处仅为记录。
如果orthofinder运行报错，大家不妨关注一下去冗余数据的过程是不是有什么问题。
欢迎大家批评指正！