继续分享资源。我没用过这软件。所以只是简单介绍一下。有用过的朋友可以详细讲讲用法。

CD-HIT

简介：CD-HIT stands for Cluster Database at High Identity with Tolerance. The program (cd-hit) takes a fasta format sequence database as input and produces a set of 'non-redundant' (nr) representative sequences as output. In addition cd-hit outputs a cluster file, documenting the sequence 'groupies' for each nr sequence representative.

输入的文件是fasta格式的序列文件，通过序列比对聚类（Cluster）的方法去除冗除、相似的序列，最后输出一个非冗除（non-redundant，nr）的序列文件。 另外，还有一个序列比对的结果。

网址：http://cd-hit.org ；http://www.bioinformatics.org/cd-hit/ ；

下载：http://www.bioinformatics.org/cd-hit/

运行环境：Linux

CD-HIT在线服务

CD-HIT也有在线运行的服务。

网址：http://weizhong-lab.ucsd.edu/cdhit_suite/cgi-bin/

CDHIT-454：http://weizhong-lab.ucsd.edu/cdhit_454/cgi-bin/（CDHIT-454 is a new program to identify exact duplicates and near identical duplicates in pyrosequencing reads）

大概应该就是这些吧。