search
技术服务021-34781616

热门搜索关键词:转录组基因组甲基化酵母文库蛋白芯片

021-34781616

当前位置凯发k8凯发k8网址官网下载首页 » 新闻资讯 » 技术&解读&应用 » seqkit-fasta/q序列处理神器

seqkit-fasta/q序列处理神器

返回列表 来源: 查看手机网址
扫一扫!扫一扫!
浏览:- 发布日期:2017-08-02 09:40:39【 】

今天小编给大家介绍一款神器,处理fasta和fastq的工具seqkit,window\linux系统版本都有。对于没有编程基础的小伙伴们,我们照样可以轻松操作序列文件。

该软件功能强大,小编只罗列部分模块功能,更详细功能参见软件网站:

http://bioinf.shenwei.me/seqkit/usage/

一、序列操作

seqkit seq [flags] file

参数:

-p, --complement

取互补序列

--dna2rna

dna to rna

-l, --lower-case

将序列以小写字母形式输出

-g, --remove-gaps

移除组装序列中的gap

-r, --reverse

取反向序列

--rna2dna

rna to dna

-u, --upper-case

将序列以大写字母形式输出

-w, --line-width int

以每行指定长度输出序列 (0 for no wrap) (default 60)

举例:

seqkit seq test.fa -w 0#将此文件fasta序列转换成一行输出

seqkit seq -w 100 test.fa#将此文件fasta序列转换成100个碱基一行输出

seqkit seq --dna2rna test.fa#将此文件fasta序列dna转换成rna

seqkit seq -w 100 -p -r test.fa#将此文件fasta序列反向互补输出,每行100碱基

二、fasta/q之间及与tab格式互换

1、fastq转换成fasta: seqkit fq2fa

举例:

seqkit fq2fa reads_1.fq -o reads_1.fa

2、fasta/fastq转换成tab格式。seqkit fx2tab

举例:

seqkit fx2tab test.fa>test.fa.tab.fa

seqkit fx2tab test.fq>test.fq.tab.fq

tab格式:id sequence

三、序列信息统计

1、序列碱基含量及序列长度信息统计

seqkit fx2tab [flags]

参数:

-b, --base-content value

要输出的碱基含量e.g. -b at -b n

-g, --gc

print gc content

-l, --length

print sequence length

-n, --name

only print names

-i, --only-id

print id instead of full head

举例:

seqkit fx2tab -l -g -n -i -h test.fa

输出结果:

#name seq

qual

length

gc

gene1

30

40.00

2、序列长度分布统计

xusage:

seqkit stat [flags]

举例:

seqkit stat test.fa

输出结果:

file

format

type

num_seqs

sum_len

min_len

avg_len

max_len

test.fa

fasta

dna

1

30

30

30

30

四、根据id或特定的motif筛选提取序列

seqkit grep [flags]

参数:

-n, --by-name

匹配整个序列的名字,包含deion部分,而不是序列id。

-s, --by-seq

匹配序列

-d, --degenerate

pattern/motif 包含简并碱基

-i, --ignore-case

忽略大小写

-v, --invert-match

输出不匹配此模式的内容

-p,

匹配模式,支持连续写多个模式,匹配任一模式即输出。如-p ^atg -p taa$。注意该功能仅能正向匹配,不能实现对互补链匹配。

-f, --pattern-file string

支持匹配模式写到一个文件中,如要提取的序列id。

-r, --region string

匹配位置选择。e.g 1:12 for first 12 bases, -12:-1 for last 12 bases

-r, --use-regexp

使用正则表达式,必须加入此参数,如^匹配首端。同-p联合使用。

举例:

seqkit grep -s -r -i -p ^atg cds.fa#选取有起始密码子的序列

seqkit grep -f list test.fa > new.fa#根据id提取序列

seqkit grep -s -d -i -p ttsaa#简并碱基使用。s 代表c or g.

seqkit grep -s -r 1:30 -i -r -p gctgg##匹配限定到某区域

五、motif定位

对grep的拓展,可以正反链同时匹配,输出匹配的位置。

seqkit locate [flags]

参数:

-d, --degenerate

pattern/motif contains degenerate base

-i, --ignore-case

ignore case

-p, --only-positive-strand

only search at positive strand

-p, --pattern value

search pattern/motif

-f, --pattern-file string

pattern/motif file (fasta format)

举例:

seqkit locate -i -d -p auggacun test.fa

输出结果:

seqid

patternname

pattern

strand

start

end

matched

cel-mir-58a

auggacun

auggacun

+

81

88

auggacug

ath-mir163

auggacun

auggacun

-

122

129

auggacuc

六、多个序列文件比较寻找相同的序列或者id相同的序列

seqkit common [flags]

参数:

-n, --by-name

匹配整个序列的名字,包含deion部分,而不是序列id

-s, --by-seq

match by sequence

-i, --ignore-case

ignore case

-m, --md5

use md5 reduce memory usage

举例:

1、by id (default,>后面,空格之前的名字)输出id名字相同的。

seqkit common test1.fa test2.fa -o common.fasta

2、by full name(整个序列的名字,包含deion部分)。输出序列名字相同的。

seqkit common test1.fa test2.fa -n -o common.fasta

3、输出要比较的文件中序列相同的序列

seqkit common test1.fa test2.fa -s -i -o common.fasta

4、输出要比较的文件中序列相同的序列 (for large sequences)

seqkit common test1.fa test2.fa -s -i -o common.fasta --md5

七、提取部分序列

如随机抽取10000条fastq序列做nt污染评估。同时他也可以对fasta序列提取

seqkit sample [flags]

参数:

-n, --number int

sample by number (result may not exactly match)

-p, --proportion float

sample by proportion

-s, --rand-seed int

rand seed for shuffle (default 11)

-2, --two-pass

2-pass modelower memory

举例:随机抽取序列

seqkit sample -n 10000 -s 11 test1_1.fq -o sample.fq

seqkit sample -p 0.1 -s 11 test1_1.fq -o sample.fq

八、排序输出命令

seqkit sort [flags]

参数:

-l, --by-length

按照序列长度排序

-n, --by-name

by full name

-s, --by-seq

按照序列排序

-i, --ignore-case

按序列排序时忽略大小写

-r, --reverse

反向排序

-2, --two-pass

对于fasta序列排序可以减少内存

举例:

seqkit sort -ltest.fa

九、文件切割

seqkit split [flags]

参数:

-i, --by-id

split squences according to sequence id

-p, --by-part int

将一个文件分割成n 份

-s, --by-size int

将一个文件按照n 条序列一个文件进行分割

-o, --out-dir string

output directory (default value is infile.split)

-2, --two-pass

two-pass mode to lower memory usage(only fast)

举例:

seqkit split hairpin.fa.gz -p 4

推荐阅读

【本文标签】:
【责任编辑】:欧易生物凯发k8官网下载的版权所有:http://www.oebiotech.com转载请注明出处

欧易生物

技术热线:021-34781616 咨询热线:4006-4008-26

上海市闵行区新骏环路138号5幢3层
service@oebiotech.com
欧易生物
欧易生物微信公众号
 网站地图  凯发k8官网下载 copyright © 2016 凯发k8官网下载 保留所有权利