perl 从fastq文件中挑选出序列长度在规定范围的序列

要求:

FASTQ文件长度过滤:编写一个程序,读取FASTQ文件,过滤掉碱基序列长度在60-80之外的序列,将长度在60-80之内的序列输出到结果文件中。

FASTQ格式文件如下:每四行表示一个测序序列,第二行是碱基序列。

@M2,HWI-7001455:326:HGTFVADXX:1:1101:2666:105721:N:0:GCGCTA

TTTAGTTTTGTAGTAATTGTTTGTAGTAAAATTTGTATTAGTTTTTTTATTTGTA

+

CCCFFFDDHHFHHIJJJJJHHIJJJJIIGEIJIJJIIJJJJHIJJJJJIJIJIHI


编程要求如下:

1)      程序命名为fq_filter.pl

2)      程序采用Getopt从命令行输入,参数共有3个,-infile,-outfile,-h;

3)      其中-infile用于接收输入的FASTQ文件名;

4)      -outfile用于给出符合条件的结果文件名,输出结果格式要与输入的FASTQ格式相同。

5)      -h用于给出程序的使用说明;


fq_filter.pl:

#!/usr/bin/perl -w

#use strict;
use Getopt::Long;
my ($chr,$help);
my $infile="";
my $outfile="";

GetOptions(
                "help|h"     => \&USAGE,
                "infile:s"   => \$infile,
                "outfile:s"  => \$outfile,
);

open IN,"<$infile"||die;
open OUT,">$outfile";

my $i=0;
my $seqID='';
my $sequence='';
my $len=0;
my $mark='';
my $qual='';

while(<IN>){
        chomp;
        if($i%4 == 0){
                $seqID=$_;}
        if($i%4 == 1){
                $sequence=$_;
                $len=length($sequence);}
        if($i%4 == 2){
                $mark=$_;}
        if($i%4 == 3){
                if($len>=60 && $len<=80){
                        $qual=$_;
                        print OUT "$seqID\n$sequence\n$mark\n$qual\n";}
                }
        $i=$i+1
}


sub USAGE{
                my $usage=<<"USAGE";
------------------------------------------------------------------------------------
       Program: thir_test.pl
       Date:2017-05-19
       Usage:
                 -infile    <fasta format> infile
                 -outfile   <fasta format> outfile
                 -h          help


       Example1: perl thir_test.pl -infile data.fa -outfile out.fa
       Example2: perl thir_test.pl -h
------------------------------------------------------------------------------------
USAGE
        print $usage;
        exit;
}

运行命令:

perl fq_filter.pl -infile  test.fq -outfile out.fa

FASTQ文件提取目标序列是基因组学研究常见的任务。FASTQ是一种常用的存储DNA序列及其对应质量值的文本文件格式。提取目标序列可以解决特定研究问题,如寻找编码特定蛋白质的基因序列或寻找与特定疾病相关的突变。 在提取目标序列前,我们首先需要了解目标序列的特征。这可能包括目标序列长度、特定区域的突变、或者在特定组织或条件下表达的基因序列。根据这些特征,我们可以使用不同的方法来提取目标序列。 一种常见的方法是基于序列比对的方式。首先,我们需要一个参考序列,该参考序列应为我们要提取的目标序列的相似序列。然后,我们可以使用比对软件(如Bowtie、BWA等)将FASTQ文件序列与参考序列进行比对。通过比对,我们可以确定匹配目标序列序列片段,并将其提取出来。 另一种方法是基于序列搜索的方式。这种方式适用于目标序列FASTQ文件具有独特的序列或区域。我们可以使用序列搜索工具(如grep、BioPython等)来搜索FASTQ文件的目标序列。通过搜索,我们可以从FASTQ文件提取出包含目标序列的片段。 值得注意的是,提取目标序列可能存在一些挑战。例如,如果目标序列存在于大量不同的亚基因组,可能会导致提取过程的困难。此外,在提取序列之前,我们还需要根据实验设计和研究问题对序列进行预处理,如去除低质量序列、剔除重复序列等。 总之,从FASTQ文件提取目标序列是基因组学研究的重要任务。根据目标序列的特征,我们可以选择不同的方法来实现提取过程,并在提取前进行适当的数据预处理。这将有助于我们更好地理解基因组的结构和功能。
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值