Linux进阶--生物信息学常见的文件格式：fasta、fastq、gff/gtf

这几种文件格式一定要认识哦，最常用的几种文件格式，知道每个文件格式的特征，这是数据分析的入门呢！也是生物信息学的常识。

一、fasta格式

fasta：一种基于文本用于表示核酸序列或多肽序列的格式。缩写为 fa

特征： 两部分, id行和序列行.

- id行：以“>”开头, 有时候会包含注释信息，如 chr1、chr2 … - 序列行：一个字母表示一个碱基/氨基酸，ATCGN 或 20种氨基酸

二、fastq格式

fastq：一种保存生物序列（通常为核酸序列）及其测序质量得分信息的 文本格式。

FASTQ文件中，一个序列通常由四行组成：

• 第一行：以 @ 开头，之后为序列的标识符以及描述信息

• 第二行：为序列信息，如 ATCG • 第三行：以 + 开头，之后可以再次加上序列的标识及描述信息（保留行）

• 第四行：为碱基质量值，与第二行的序列相对应，长度必须与第二行相同

三、gff格式

gff：基因组注释文件，总共有 9 列。 

四、gtf格式

gtf：基因注释文件 ，总共有 9 列。

9 attributes 属性，必须要有以下两个值：gene_id value: 表示坐标在基因组上的基因座的唯一的ID。gene_id 与 value 值用空格分 开，如果值为空，则表示没有对应的基因。transcript_id value: 预测的转录本的唯一ID。transcript_id与value值用空格分开，空 表示没有转录本。

【使用column -t 命令。让列对齐】