导读

本文^[1]将介绍 SeqKit ：用于 FASTA/Q 文件操作的跨平台和超快工具包，后续提供了一些长用的示例。

1. 安装

• conda 安装
  

conda install -c bioconda seqkit

• Mac 安装
  

brew install seqkit  # 用于苹果电脑

2. 用法

2.1. 序列操作

seqkit seq [flags] file

• 参数
  

# 将序列转换为一行输出seqkit seq ex.fasta -w 0 > test.fasta

# 每行输出指定碱基nseqkit seq -w n ex.fasta

# DNA序列转换为RNA序列seqkit seq --dna2rna ex.fasta

# 取反向互补，切每行100碱基seqkit seq -w 100 -p -r ex.fasta > test.fasta

2.2. 格式转换

• fa2fa
  

# fastq 转换为 fastaseqkit fq2fa ex1.fq -o ex2.fa

# FASTA/FASTQ 转换成 tab 格式seqkit fx2tab ex.fa > test.fa.tab.faseqkit fx2tab ex.fq > test.fq.tab.fq

# 序列碱基含量及序列长度信息统计seqkit fx2tab [flags]

• 参数
  

# 输出序列长度，GC含量，名字，IDseqkit fx2tab -l -g -n -i -H ex.fasta

2.3. 序列信息统计

# 序列长度分布统计seqkit stat [flags]

• 参数
  

# 统计信息seqkit stats *.f{a,q}.gz

# 结果如下图

2.4. 根据ID提取序列

seqkit grep

• 参数
  

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

# 根据ID提取序列seqkit grep -f list ex.fa > new.fa

# 简并碱基使用。S 代表C or G.seqkit grep -s -d -i -p TTSAA

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

2.5. motif定位

seqkit locate [flags]

• 参数
  

seqkit locate -i -d -p AUGGACUN ex.fa

2.6. 多个文件寻找相同的序列

seqkit common [flags]

• 参数
  

# 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

# By full name（整个序列的名字，包含description部分）。输出序列名字相同的。seqkit common test1.fa test2.fa  -n -o common.fasta

# 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

# 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

2.7. 文件切割

seqkit split [flags]

• 参数
  

# 将一个文件切割为 4 份seqkit split ex.fa -p 4

参考资料