shell - 使用 SED/AWK 将 FASTQ 转换为 FASTA

Question

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 > .

Answer 1

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!)