shell - 使用 SED/AWK 将 FASTQ 转换为 FASTA-6ren

shell - 使用 SED/AWK 将 FASTQ 转换为 FASTA

转载作者：行者123 更新时间：2023-12-03 13:06:22

25

4

我有一个数据，它总是以四块的形式出现
采用以下格式(称为 FASTQ):

@SRR018006.2016 GA2:6:1:20:650 length=36
NNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNGN
+SRR018006.2016 GA2:6:1:20:650 length=36
!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!+!
@SRR018006.19405469 GA2:6:100:1793:611 length=36
ACCCGCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCC
+SRR018006.19405469 GA2:6:100:1793:611 length=36
7);;).;);;/;*.2>/@@7;@77<..;)58)5/>/

是否有一种简单的 sed/awk/bash 方式将它们转换为
这种格式(称为 FASTA):

>SRR018006.2016 GA2:6:1:20:650 length=36
NNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNGN
>SRR018006.19405469 GA2:6:100:1793:611 length=36
ACCCGCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCC

原则上，我们希望提取每个 4 块中的前两行
并替换 @与 > .

最佳答案

这是一个老问题，已经提供了许多不同的解决方案。由于接受的答案使用 sed 但有一个明显的问题(当 @ 符号作为质量行的第一个字母出现时，它将用 > 替换 @)，我觉得有必要提供一个简单的基于 sed 的解决方案，它实际上有效:

sed -n '1~4s/^@/>/p;2~4p'

所做的唯一假设是每次读取只占用 FASTQ 文件中的 4 行，但根据我的经验，这似乎非常安全。

fastx 工具包中的 fastq_to_fasta 脚本也可以使用。 (值得一提的是，您需要指定 -Q33 选项以适应现在常见的 Phred+33 qual 编码。这很有趣，因为它无论如何都会丢弃质量数据!)

关于shell - 使用 SED/AWK 将 FASTQ 转换为 FASTA，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/1542306/

25

4

0

文章推荐： web-services - Web服务和Windows服务之间有什么区别？

文章推荐： tensorflow - 如何在 tensorflow 中实现过滤器？

文章推荐： perl - 为什么Perl foreach变量赋值会修改数组中的值？

python - 将 fastq 信息复制到新的 fastq 文件中
我正在尝试编写一段代码，该代码将打开一个fasta文件，并从另一个fastq文件中提取读取名称(标题)、序列(seq)和质量分数(qual)，前提是在fasta文件中找到它，并将该 fastq 信息写
python - 将 fastq 文件读入字典
我有一个像这样的 fastq 文件(文件的一部分): @A80HNBABXX:4:1:1344:2224#0/1 AAAACATCAGTATCCATCAGGATCAGTTTGGAAAGGGAGAGGC
python - 获取与两个 fastq 文件不同的记录
我有 2 个 fastq 文件 F1.fastq 和 F2.fastq。 F2.fastq 是一个较小的文件，是 F1.fastq 读取的子集。我想要读取 F1.fastq 中的内容，而不是 F2.f
python - 如何为多个 fastq 文件运行代码？
我将为文件夹中的多个 fastq 文件运行以下代码。在一个文件夹中我有不同的 fastq 文件；首先，我必须读取一个文件并执行所需的操作，然后将结果存储在一个单独的文件中。 fastq，然后读取第二个
linux - 将适配器序列添加到 fastq 文件的末尾
我有一个很大的 fastq 文件，我想将序列“TTAAGG”添加到文件中每个序列的末尾(第 2 行，然后每第 4 行)，同时仍然保持 fastq 文件格式。例如:这是我开始的第一行: @HWI-D00
awk - 容忍子集 .fastq 不匹配的 Grep
我正在 Linux 集群上使用 bash。如果它们包含与查询序列的匹配项，我正在尝试从 .fastq 文件中提取读数。下面是一个包含三个读数的示例 .fastq 文件。 $ cat example.f
regex - sed 查找并替换 fastq 正则表达式
我有一个文件，例如 head testSed.fastq @M01551:51:000000000-BCB7H:1:1101:15800:1330 1:N:0:NGTCACTN+TATCCTCTCTT
regex - 使用正则表达式批量重命名 *fastq.gz 文件
我正在尝试让正则表达式与 rename 一起工作；我在这里尝试了类似回答问题的方法，但无法获得我想要的结果。文件是这样命名的: SR1_S90_L001_R1_001.fastq.gz SR1_S9
python - Fastq 解析器不采用空序列(和其他边缘情况)。 Python
这是 Generator not working to split string by particular identifier . Python 2 的延续。但是，我完全修改了代码，它的格式根本不
python - 从包含唯一分子标识符的 Fastq 文件中删除 PCR 重复项
我正在尝试编辑包含基因组数据和每个序列两侧的唯一分子标识符的 Fastq 文件。前两个读取的示例如下所示: 1 @HISEQ:230:C6G45ANXX:3:1101:1395:2141 1:N:0
python - 如何在 python 中编辑文本 (.fastq) 文件
我有一个文件，如下面的小例子。每 4 行与一个 ID 相关。每个 ID 的第二行都以 N 开头。我想删除这些行开头的 N，其他所有内容都将保持不变。我想在 python 中做到这一点。你知道怎么做吗？
python - 用 biopython 重命名交错的 fastq 头文件
为了便于使用和与另一个下游管道兼容，我尝试使用 biopython 更改 fastq 序列 ID 的名称。例如......从看起来像这样的标题开始: @D00602:32:H3LN7BCXX:1:11
python - 使用 python 更快地读取大型 fastq 文件
我有几个平均有 500.000.000 行(125.000.000 个序列)的 fastq 文件。有没有一种快速的方法可以更快地读取这些fastq文件。我想做的是读取每个序列并使用前 16 个序列作
linux - 在 Linux 中替换 FastQ 文件中的特定核苷酸
我有一些 fastaq 文件需要分析。主要问题是我目前使用的分析工具只接受 ACTG 作为核苷酸，而不接受 IUPAC 代码中的其余命名法(R、W 等)。我编写了这段代码来改变特定的核苷酸: awk
bash - 在 Unix 中合并 fastq.gz 文件
我正在使用此脚本来连接从 Samples 中读取的内容。每个子目录都有某些 R1.fastq.gz 文件和 R2.fastq.gz，我想将它们合并为一个 R1.fastq.gz 和 R2.fastq
bash - 在 Unix 中合并 fastq.gz 文件
我正在使用这个脚本来连接我从样本中读取的内容。每个子目录都有特定的 R1.fastq.gz 文件和 R2.fastq.gz，我想将它们合并到一个 R1.fastq.gz 和 R2.fastq .gz
linux - FASTQ header 中字符串后的 Bash 条件 IF 语句
我只想提取覆盖率高于 2 且长度高于 504 的读数。这些都存储在 FASTQ 文件的每个 header 中。然而，我无法设计出一款可以根据这些品质进行过滤的单行代码。查看输入 FASTQ 的两行的示
shell - 使用 SED/AWK 将 FASTQ 转换为 FASTA
我有一个数据，它总是以四块的形式出现采用以下格式(称为 FASTQ): @SRR018006.2016 GA2:6:1:20:650 length=36 NNNNNNNNNNNNNNNNNNNNNN
java - FastQC 无法处理 fastq 序列文件 - java.lang.NullPointerException
我正在尝试在 RNA seq (.fastq) 上运行 fastqc，但遇到了尚未解决的问题: Approx 5% complete for SRR5280293.fastq Approx 10% c
python-3.x - 使用 scikit-bio 阅读 fastq 的最快方法
我正在尝试使用 scikit-bio 读取 fastq 格式的文本文件. 鉴于它是一个相当大的文件，执行操作非常慢。最终，我试图将 fastq 文件去复制到字典中: f = 'Undetermine

首页

博学

6Ren·AI

商城

shell - 使用 SED/AWK 将 FASTQ 转换为 FASTA