较成功营销网站的例子,wordpress搭建tag页面,石家庄网红,小白如何做网站建设公众号fa文件与fq文件互相转换 今天分享的内容是fasta文件与fastq文件的基本知识#xff0c;以及通过Python实现两者互相转换的方法。 测序数据公司给的格式通常是fq.gz#xff0c;也就是fastq文件#xff0c;计算机的角度来说#xff0c;生物的序列属于一种字符串#xff0c;就… fa文件与fq文件互相转换 今天分享的内容是fasta文件与fastq文件的基本知识以及通过Python实现两者互相转换的方法。 测序数据公司给的格式通常是fq.gz也就是fastq文件计算机的角度来说生物的序列属于一种字符串就是一堆字母这些字母就蕴含了遗传信息。 通过序列拼接将fastq转换为fasta通过短序列比对将fastq与fasta合并为bam通过变异检测将bam中突变位点提取出来转换为vcf这就是上游分析的套路。 fastq文件基本格式 可以看出fq文件包含了更多的信息比如测序质量碱基信息等这些是通过测序仪产生的数据。 fasta文件基本格式 对比一下可以看出fa文件主要是两部分大于号开头的是序列的ID下一行是序列相比于fq文件少了质量信息。 将fasta文件转换为fastq文件 分享一个Python脚本实现这个操作 import sysfa_f sys.argv[1]fq_f sys.argv[2]len_max int(sys.argv[3]) # fq len max: 150bpwith open(fa_f, r) as f, open(fq_f, w) as pf: while True: name f.readline().strip() if not name: break if name.startswith(): tmp_name name.strip() read_id tmp_name seq f.readline().strip() if len(seq) len_max: read_info {rd_id}\n{seq}\n\n{qual}\n.format(rd_idread_id, seqseq, qualF*len(seq)) else: read_info cnt int(len(seq) / len_max) for i in range(cnt): tmp_id read_id _ str(i) tmp_seq seq[i*len_max:(i1)*len_max] read_info {rd_id}\n{seq}\n\n{qual}\n.format(rd_idtmp_id, seqtmp_seq, qualF*len_max) lseq len(seq) % len_max if lseq ! 0: tmp_id read_id _ str(cnt) tmp_seq seq[-lseq:] read_info {rd_id}\n{seq}\n\n{qual}\n.format(rd_idtmp_id, seqtmp_seq, qualF*lseq) pf.write(read_info) 使用的方法也很简单把这个脚本保存为xx.py然后运行并添加三个参数第一个是原始fasta文件名第二个是输出文件名第三个参数是数字表示每条序列的最大长度超过该长度的序列将会被切分成多条。 原理解释 刚刚这段Python脚本的功能是将fasta格式的序列文件转换为fastq格式的序列文件并且可以对序列进行分割使得每条序列的长度不超过指定的最大长度。 功能 读取输入的fasta格式的序列文件。 将fasta序列文件中的序列转换为fastq格式。 如果序列长度超过指定的最大长度len_max则将长序列分割成多个子序列每个子序列长度不超过len_max。 将转换后的fastq格式的序列写入输出文件中。 原理 通过命令行参数传入fasta格式的序列文件路径fa_f、要生成的fastq序列文件路径fq_f和最大序列长度len_max。 使用with open()语句打开fasta序列文件和要生成的fastq序列文件。 逐行读取fasta序列文件每次读取两行第一行为序列ID第二行为序列信息。 对于每条序列如果序列长度不超过指定的最大长度则直接转换为fastq格式否则将长序列分割成多个子序列每个子序列长度不超过len_max。 将fastq文件转换为fasta文件 同样我们也可以使用Python将fq文件转换为fa文件 import sysimport gzip fq_in sys.argv[1]fa_out sys.argv[2]reads_count sys.argv[3] # if set [-1], means output all readswith gzip.open(fq_in, r) as f, open(fa_out, w) as pf: cnt 0 while True: rd_id f.readline() if not rd_id or cntint(reads_count): break seq f.readline() tmp f.readline() qual f.readline() pf.write(rd_idseq) cnt1 这段Python代码是一个简单的脚本用于将gzip压缩的Fastq文件.fq.gz文件转换为普通的Fasta文件.fa文件 下面是代码的原理和作用 首先导入了sys和gzip模块sys用于接收命令行参数gzip用于解压缩.fq.gz文件。 从命令行参数中获取输入Fastq文件路径fq_in、输出Fasta文件路径fa_out和要输出的reads数量reads_count。 使用gzip.open函数打开输入的Fastq文件以只读模式打开。使用open函数打开输出的Fasta文件以写入模式打开。 设置一个计数器cnt用于记录已经处理的reads数量。 进入一个无限循环循环中读取Fastq文件中的每个reads信息 读取reads的ID行以开头的行作为rd_id。 读取reads的序列行作为seq。 读取reads的空行通常为作为tmp。 读取reads的质量信息行作为qual。 将reads的ID和序列信息写入输出的Fasta文件中格式为rd_idseq。 计数器cnt加一。 如果读取的reads数量达到指定的reads_count值则退出循环。 循环结束后关闭输入和输出文件。 总的来说将压缩的Fastq文件解压缩并转换为Fasta格式同时可以根据指定的reads数量控制输出的reads数量。代码中使用了gzip模块解压缩文件以及文件读取和写入操作最终实现了Fastq到Fasta的转换。 以上就是今天分享的全部内容感谢您的阅读如果感觉有用欢迎收藏或者转发您的支持是我更新的最大动力。 参考资料https://blog.csdn.net/sinat_32872729/article/details/117353884https://blog.csdn.net/weixin_46128755/article/details/127947650https://zhuanlan.zhihu.com/p/77874271 本文由 mdnice 多平台发布
