FASTX 处理 fasta 和 fastq 文件

万物终归尘土

1引言

今天分享个 Julia 包 FASTX 用来处理 fasta 和 fastq 文件。

说明文档地址:

https://docs.juliahub.com/FASTX/ZwJmk/1.3.0/

2安装

add FASTX

3处理 fasta 文件

fasta 文件格式:

# 格式
>{name} {description}?
{sequence}

# 例如
>chrI chromosome 1
CCACACCACACCCACACACCCACACACCACACCACACACCACACCACACC
CACACACACACATCCTAACACTACCCTAACACAGCCCTAATCTAACCCTG

读写 fasta 文件:

using FASTX

r = FASTA.Reader(open("my-seqs.fasta", "r"))
w = FASTA.Writer(open("my-out.fasta", "w"))

# or
r = open(FASTA.Reader, "my-seqs.fasta")
w = open(FASTA.Writer, "my-out.fasta")

循环操作文件:

open(FASTA.Reader, "my-seqs.fasta") do reader
    for record in reader
        # 显示id名称
        @show FASTA.identifier(record)
    end
end

打开压缩的 fasta 文件:

reader = FASTA.Reader(GzipDecompressorStream(open("my-reads.fasta.gz")))
for record in reader
    ## do something
end
close(reader)

使用 while 循环节省内存:

open(FASTA.Reader, "my-seqs.fasta") do reader
    record = FASTA.Record()
    while !eof(reader)
        read!(reader, record)
        ## Do something.
    end
end

可获取的相关参数:

# 判断是否存在id
FASTA.hasidentifier
# id名称
FASTA.identifier
# 判断是否存在描述信息
FASTA.hasdescription
# id的描述
FASTA.description
# 判断是否存在序列
FASTA.hassequence
# 序列
FASTA.sequence

写出 fasta 文件:

using BioSequences
x = dna"aaaaatttttcccccggggg"
rec = FASTA.Record("MySeq", x)
open(FASTA.Writer, "my-out.fasta") do
    write(w, rec)
end

4处理 fastq 文件

fastq 文件格式:

# 基本格式
@{name} {description}?
{sequence}
+
{qualities}

# 例如
@FSRRS4401BE7HA
tcagTTAAGATGGGAT
+
###EEEEEEEEE##E#

读取 fastq 文件:

using FASTX

r = FASTQ.Reader(open("my-reads.fastq", "r"))
w = FASTQ.Writer(open("my-output.fastq", "w"))

# or
r = open(FASTQ.Reader, "my-reads.fastq")
w = open(FASTQ.Writer, "my-out.fastq")

for 循环迭代操作:

open(FASTQ.Reader, "my-reads.fastq") do reader
    for record in reader
        ## Do something
    end
end

打开压缩的 fastq 文件:

reader = FASTQ.Reader(GzipDecompressorStream(open("my-reads.fastq.gz")))
for record in reader
    ## do something
end
close(reader)

使用 while 循环节省内存:

open(FASTQ.Reader, "my-reads.fastq") do reader
    record = FASTQ.Record()
    while !eof(reader)
        read!(reader, record)
        ## Do something.
    end
end

可获取相关参数:

FASTQ.hasidentifier
FASTQ.identifier
FASTQ.hasdescription
FASTQ.description
FASTQ.hassequence
FASTQ.sequence
# 判断是否存在质量值
FASTQ.hasquality
# 质量值
FASTQ.quality

写出 fastq 文件:

using BioSequences
x = dna"aaaaatttttcccccggggg"
q = fill(1, length(x))
rec = FASTQ.Record("MySeq", x, q)
open(FASTQ.Writer, "my-out.fastq") do
    write(w, rec)
end

不同测序平台的质量值编码格式:

可以在 Record 里面加入质量值信息:

FASTQ.Record(identifier, sequence, quality; offset=33)

FASTQ.Record(identifier, description, sequence, quality; offset=33)

5结尾

感兴趣的小伙伴们可以自己试试。

欢迎加入生信交流群。加我微信我也拉你进 微信群聊 老俊俊生信交流群 哦,数据代码已上传至QQ群,欢迎加入下载。

群二维码：

老俊俊微信：

知识星球：

所以今天你学习了吗？

今天的分享就到这里了，敬请期待下一篇！

最后欢迎大家分享转发，您的点赞是对我的鼓励和肯定！

如果觉得对您帮助很大，赏杯快乐水喝喝吧！

 往期回顾 

◀...