10X V5转录组vdj分析中，因为有 一段特殊基因序列比对不上参考基因组 ，所以bam文件没有这个barcode信息。需要把R2的这段序列，根据序列ID从R1中找出 R2序列与R1 barcode和UMI的 对应关系，然后做UMI去重，统计数量，然后再 映射到细胞聚类图中去看看这个序列的UMI表达量
根据文库结构
将目标序列作为比对参考模板，用R2文件进行blast比对，从比对结果中筛选出从3'到5’方向的，因为10X V5转录组的R2的测序方向就是3’到5’，然后再筛选出比对上序列长度大于等于85nt的子集，获得比对上fastq R2测序文件的reads的ID信息， 再通过seqtk工具查询在 fsatq R1文件根据ID提取出相应的序列信息。
从查询出来的序列中提取序列前1到16nt获取barcode，17到28nt获得UMI信息，经过barcode和UMI的序列去重、统计、分群的标签映射
流程图：
序列模板---->R2 blast比对----->过滤&提取ID---->seqtk提取R1序列--->barcode和UMI的序列去重-->数据统计--->分群的标签映射---->UMI表达量可视化分析
R:
Linux:
R:
你这个问题好大，生物信息学包含的内容太多，主要看你需要做哪些分析，是想学习分析，还是只是需要发表论文，如果学习，那是一个系统的学习，推荐学习两门语言，R语言和PERL语言，学习两个数据库，GEO和TCGA，这两个数据库是现在的主流，需要掌握的。学习资源可以取生信自学wang和丁香园，都可以学到不少东西。如果是写论文，可以直接找生信分析的人，把分析好的数据和图片给你，你就可以写论文了，当然找人家做一般都是有偿的。
学习语言：R perl程序 两大数据库
GEO芯片数据库
TCGA癌症数据库，包括癌症的临床信息，表达信息，甲基化，SNP，数据量大，全面
