主页 / coding / 问题 / 78525601
Accepted
ShannonTown
Asked: 2024-05-24 05:16:15 +0800 CST

如何从 fastq 文件中提取序列并将每个序列另存为新文件

  • 772

我有一个 fastq 文件，其中前 8 行如下所示：

@SRR21388627.2845086/1
GCTGCAGTTGCTGCTGTTGCTGCTGCTGGGGCAGCACACCAGGATGGCCGGCGCCCCCG
+
FFFFFFFFFFFFFFFFFFFFF:FFFFFFFFFFFFFFFFFFFFFFF:FFFFFFFFFF:FF
@SRR21388627.2707233/1
GCTGCAGTTGCTGCTGTTGCTGCTGCTGGGGCAGCACACCAGGATGGCCGGCGCCCCCG
+
FFFF:FF,:FFFF,FF,F:FFFFF:,F,,:,FF:,:,FFF:::F:,,FFF:::,FF:::

我想获取DNA序列并将每个序列保存为一个新文件，该文件以序列之前的行命名，例如“SRR21388627.2845086.1.fq”，其中删除了@，并/替换为.

到目前为止，我想出了一个参考这篇文章的命令，但它还不起作用，因为我不确定如何删除@和/替换awk

cat deltaQ_1_region_1.fq | paste - - - - | cut -f1,2 | 
awk -F'\t' '$1!=prev{close(out); out=$1".fq"; prev=$1} {sub(/[^\t]+\t/,""); print > out}' file

谢谢你！

awk

3 个回答

  1. Best Answer

    每个“记录”有 4 行，因此您可以使用模 4 来区分其中的“字段” awk（而不是在paste调用 awk 之前将它们与 a 连接起来）：

    awk '
    NR%4 == 1 { sub("/","."); file_out = substr($0,2) ".fq"; next }
    NR%4 == 2 { print > file_out; close(file_out) }
' file.fq
    • 2

  2. 假设组成“DNA 序列”的行数可能会有所不同：

    awk '
/^@/ { close(outfile)         # close previous output file
       gsub(/@/,"")           # remove all "@" characters from current line
       gsub(/[/]/,".")        # replace all "/" with "." on current line 
       outfile = $0 ".fq"     # define new output file name
       next                   # skip to next line of input
     }
     { print > outfile }      # write current line to output file
' deltaQ_1_region_1.fq

    结果：

    $ head SRR*fq
==> SRR21388627.27072331.fq <==
GCTGCAGTTGCTGCTGTTGCTGCTGCTGGGGCAGCACACCAGGATGGCCGGCGCCCCCG
+
FFFF:FF,:FFFF,FF,F:FFFFF:,F,,:,FF:,:,FFF:::F:,,FFF:::,FF:::

==> SRR21388627.28450861.fq <==
GCTGCAGTTGCTGCTGTTGCTGCTGCTGGGGCAGCACACCAGGATGGCCGGCGCCCCCG
+
FFFFFFFFFFFFFFFFFFFFF:FFFFFFFFFFFFFFFFFFFFFFF:FFFFFFFFFF:FF
    • 2

  3. 从 ChatGPT 得到答案...

    cat deltaQ_1_region_1.fq | paste - - - - | awk -F'\t' '{
  gsub(/^@/, "", $1);
  gsub(/\//, ".", $1);
  file = "folder/" $1 ".fq";
  print $2 > file;
}'
    • 0

相关问题