记一次开源软件的篡改

pandaseq是一款非常好用的序列拼接软件，项目传送：https://github.com/neufeld/pandaseq/ （编译安装前需要libtool-devel）

所谓科技服务和科研态度有的时候真的不统一，

在pandaseq拼接的时候，如果输出fastq文件，overlap部分，如果错配的话，质量值会变成1（软件认为不可靠碱基），这样的做法无可厚非的，而且个人觉得也是比较好的做法；

但是这个做法给公司带来的困扰是：由于公司使用pandaseq作为拼接和去primer等的第一步工具，所以得到的Q20，Q30统计都是从pandaseq统计的结果出来的，结果发现Q30只有60%多，

在二代测序质量值都非常高的这个年代，60%的Q30肯定会被客户质疑的，最后找到是pandaseq的原因（还好不是实验的失误），怎么办，弥补吧。

首先安排了一位同事去溯源拼接前的质量，然后替换掉pandaseq的质量值，忙乎了一段时间，该同事使用了一种估计长度的溯源方式，算是勉强完成了，然后交给我添加到流程中。

附图，pandaseq官方解释：



以上就是这次“篡改”的起因了，用这种方式来弥补质量值不好看让我有点接受不了，首先修改不严谨，拼接过程中有漏配错配，而且建库方式不同接头长度也会不同，估计长度的方式非常容易出错（虽然肯定会比原来好看）

反正是开源软件，不如修改源代码好了（同时修改选择-b R参数后，会将BUILD信息输出到log的问题，BUILD信息实在太长了，所以注释了吧）

首先找到该方法所在的文件，通过关键字查找，由于经验不足找了好久才找到：assembler.c，之后的做法就简单了，在220行后面添加：

if ( rpr < fpr ){
q = fpr;
}else{
q = rpr;
}

然后根据关键字：“LOGV(PANDA_DEBUG_RECON”，将包含“S[%d] = %c, F[%d] = %c, R[%d] = %c”此类的log输出行全部注释掉（log文件瞬间从6G变成20M）

最后make && make install ，修改完成，overlap部分取质量值最高的碱基，还有质量值显示比这更加高的方法了吗？:-)

发表前看了一遍，我真的不是一个好的讲故事的人