fasta序列操作神器 |
您所在的位置:网站首页 › 序列FASTA格式 › fasta序列操作神器 |
一、序列操作: 1.取反向序列 seqkit seq test.fa -r > test_re.fa 2.取互补序列 seq test.fa -p > test_com.fa 3.取反向互补序列 seqkit seq test.fa -r -p > test_re_com.fa 4.DNA序列转换为RNA序列 seqkit seq test.fa --nda2rna > test_rna.fa 5.RNA序列转换为DNA序列 seqkit seq test.fa rna2dna > test_dna.fa 6.将序列以小写字母的形式输出 seqkit seq test.fa -l > test_lower.fa 7.将序列以大写字母的形式输出 seqkit seq test.fa -u > test_upper.fa 8.指定每行序列的输出长度(为0的话,代表为一整行,默认的输出 长度是60个碱基) seqkit seq test.fa -w 10 > test_10.fa (指定序列的长度为10) 9.将多行序列转换为一行序列 seqkit seq test.fa -w 0 > test_w.fa 10.只输出序列 seqkit seq test.fa -s -w 0 > test_seq.fa 11.将只输出的序列的,指定每行输出的碱基数 seqkit seq test_seq.fa -s -w 40 > test_seq40.fa 注意10,11的微妙之处 11,12也可以一步完成:seqkit seq test.fa -s -w 20 -o test_20.fa 二、Fasta/q之间以及与tab格式互换 10.将fataq文件转化为fasta格式. seqkit seq fq2fa test.fq -o test.fa 11.将fasta格式转化为tab格式 seqkit fx2tab test.fa > test_tab.fa (没有seq参数) 三、序列信息统计 1.序列碱基含量 seqkit fx2tab -l -g -n -i -H test..fa (这些参数组合起来比较好看) 2.序列长度的整体分布统计 seqkit stat test.fa 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(按比例提) -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 |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |