.fasta 格式文件

感谢这篇文章

fasta文件用于储存一个或多个核苷酸序列或氨基酸序列。

每个序列信息由描述行和序列行组成。

描述行：以>开始，跟着此序列的唯一id，后也可以加描述(空格隔开）

序列行：储存序列，可以多行，一般（80个左右为一行）

>gi|186681228|ref|YP_001864424.1| phycoerythrobilin:ferredoxin oxidoreductase
MNSERSDVTLYQPFLDYAIAYMRSRLDLEPYPIPTGFESNSAVVGKGKNQEEVVTTSYAFQTAKLRQIRA
AHVQGGNSLQVLNFVIFPHLNYDLPFFGADLVTLPGGHLIALDMQPLFRDDSAYQAKYTEPILPIFHAHQ
QHLSWGGDFPEEAQPFFSPAFLWTRPQETAVVETQVFAAFKDYLKAYLDFVEQAEAVTDSQNLVAIKQAQ
LRYLRYRAEKDPARGMFKRFYGAEWTEEYIHGFLFDLERKLTVVK

注意一些对应关系

        A --> adenosine           M --> A C (amino)C --> cytidine            S --> G C (strong)G --> guanine             W --> A T (weak)T --> thymidine           B --> G T CU --> uridine             D --> G A TR --> G A (purine)        H --> A C TY --> T C (pyrimidine)    V --> G C AK --> G T (keto)          N --> A G C T (any)-     gap of indeterminate length

    A ALA alanine                         P PRO prolineB ASX aspartate or asparagine         Q GLN glutamineC CYS cystine                         R ARG arginineD ASP aspartate                       S SER serineE GLU glutamate                       T THR threonineF PHE phenylalanine                   U     selenocysteineG GLY glycine                         V VAL valineH HIS histidine                       W TRP tryptophanI ILE isoleucine                      Y TYR tyrosineK LYS lysine                          Z GLX glutamate or glutamineL LEU leucine                         X     anyM MET methionine                      *     translation stopN ASN asparagine                      -     gap of indeterminate length

.fastq格式文件

fastq格式是一种基于文本的存储生物序列和对应碱基（或氨基酸）质量的文件格式。

每一个序列有四行组成：

第一行以@开头，表示这个read的ID，不会重复，没有空格。

第二行表示序列，通常以AGCTN(any）表示。

第三行是+，旧版fastq中会直接重复第一行，现在不会，一般没有附加信息。

第四行是质量信息

@FCD056DACXX:3:1101:2163:1959#TCGCCGTG/1
TCCGATAACGCTCAACCAGAGGGCTGCCAGCTCCGATCGGCAGTTGCAACCCATTGGCCGTCTGAGCCAGCAACCCCGGA
+
gggiiiiiiiiiiiiiiiiiiiiiiiiiigggggeeecccccc^bcbcccccccbccccc]aaccbbccc^R^^acccc_

质量信息与序列信息一一对应。

质量信息计算：

在测序仪进行测序的时候，会自动根据荧光信号的强弱给出一个参考的测序错误概率（error probility，P），如果直接储存（0.01）浪费内存，所以就将P取log10后乘以-10,得到Q值，Q值加33（或64）后得到的值去ASCII表中对应值即为质量值*

*不同测序的计算方法不同

seq-kit 好用的序列整理工具

具体看这篇文章

详细看这篇文章

fastq「只找到了fastqc？」

感谢爱码网

测序数据质控工具。

它输出为.html，当有多个文件时，默认将所有输出压缩为一个.zip文件输出。

结果是图表，绿色PASS，黄色WARN，红色FAIL。

纵轴为质量Q值，横轴是read的位置

横轴是质量，纵轴是reads数目，峰小于27（0.2%错误率）报warn，小于20（1%错误率）报fail。

ATCG含量，纵轴位置，横轴百分比，判断是否被污染。

Fastp

新的质控工具，效率高，接受单端/双端测序结果，可以自动处理接头信息，做重复率统计，插入评估。对5mer做出现次数统计。不同碱基的质量值，ATCG含量等

这篇文章写的很详细

conda

一个能支持Python、R、Java、JavaScript、C等语言包、依赖和环境管理工具
一个能在Windows、MacOS、Linux上运行开源的软件包管理系统和环境管理系统
一个能在本地轻松创建、保存、切换环境

保姆文档

.fasta | .fastq | seq-kit | fastq | fastp | conda相关推荐

linux怎么查看fastq格式文件,fastq格式文件处理大全（一）
从计算机的角度来说,生物的序列属于一种字符串,也是一种文本,因此生物信息分析属于文本处理范畴.文本存储为固定格式文件,生物信息的工作就是各种文本文件之间格式的转换,例如通过序列拼接将fastq转换为f ...
python3写txt_科学网—python3 fasta txt seq contig等纯文本文件的读取写入 - 靳泽星的博文...
#文本文件的读取,同样的如果'序列文件.txt'不在当前工作目录下,需要写出详细的文件路径.与window系统不同,在linux系统中工作路径需要用到'/',而不是'\'.参数'r'意思为以只读方式打 ...
纳米孔Nanopore-16S数据分析学习笔记
2020.5找到了开放的protocol:https://www.protocols.io/view/nanoampli-seq-bioinformatics-workflow-u25eyg6 已经转 ...
fastq与fasta文件格式解析
fastq与fasta文件格式解析一.fasta格式二.fastq格式 2.1 格式说明 2.2 碱基质量计算 2.3 Quality Score简化三.二代测序的fastq文件格式介绍四.补 ...
Fastq与Fasta格式
一.关于Fastq FASTQ是基于文本的,保存生物序列(通常是核酸序列)和其测序质量信息的标准格式.其序列以及质量信息都是使用一个ASCII字符标示,最初由Sanger开发,目的是将FASTA序列与 ...
fastq质量值_fastq格式文件处理大全（四）
计算机的角度来说,生物的序列属于一种字符串,也是一种文本,因此生物信息分析属于文本处理范畴.文本存储为固定格式文件,生物信息的工作就是各种文本文件之间格式的转换,例如通过序列拼接将fastq转换为fa ...
linux怎么查看fastq格式文件,2020-01-11 了解FASTQ格式并处理FASTQ文件
FASTQ文件格式是测序仪展示数据的标准格式,可以看成FASTA文件的变种(FASTA+Q),因为其包含了对序列中每个碱基的Qualify Measurement.(如:碱基A出错的可能性是1/100 ...
fastq质量值_微生物组16S rRNA数据分析小结：从fastq测序数据到OTU table
推荐阅读 1.ggplot2绘制曼哈顿图示例2.phyloseq | 用 R 分析微生物组数据及可视化3.R语言PCA分析教程 | Principal Component Methods in R4. ...
bam获取序列_如何从BAM文件中提取fastq
虽然高通量测序分析最常用的操作是将fastq比对到参考基因组得到BAM文件,但偶尔我们也需要提取BAM文件中特定区域中fastq.最开始我认为这是一个非常简单的操作,因为samtools其实已经提供了 ...

.fasta | .fastq | seq-kit | fastq | fastp | conda