linux - 当行顺序很重要时解压 .gz 文件

Question

我正在尝试解压缩 fastq.gz 文件，然后分析其中的测序数据。但是，以后的分析取决于在解压缩文件中按顺序保存行(压缩文件中的第 1 行必须是解压缩文件中的第 1 行)。

当我手动查看文件时，在我看来，使用 gunzip 解压缩 fatsq.gz 文件时，行顺序被保留了(我不希望有其他任何东西)。但是，下游分析失败，因为未保留原始文件中的顺序。我是否遗漏了有关解压缩过程的某些信息？

看起来像下面这样的事情正在发生。

Sequencer向fastq.txt写入数据:

line1
line2
line3
lin4

然后将其压缩成 fastq.gz。然后我使用 gunzip 解压缩并出现类似以下内容，其中行顺序被打乱:

line2
line1
line4
line3

Answer 1

gzip/gunzip 循环不应该 - 我们有理由相信它不 -修改一个文件的内容。此外，在这种情况下，数据损坏和算法错误通常表现为一大堆垃圾，而不是整齐地重新排序的文本行。

几个备选方案:

• 您的音序器实际上并没有首先输出正确排序的那些行。

• 如果涉及多个未压缩的文件，可能是您的排序器执行了与 gzip -c file* > fastq.gz 相同的操作，输入文件被命名为 file1文件 2 ... 文件 9 文件 10。当 file* 以此类文件的字母顺序扩展时，file10 将在 file2 之前处理，从而弄乱了输出中的顺序。

• 如果涉及多个压缩文件，解压时可能会出现同样的错误。