第一种方法:使用 grep -A 选项
第一种方式比较简单,用 Linux 系统自带的 grep 命令就可以实现。grep 的 -A NUM 选项在匹配行之后打印尾随的 NUM 行,而 fastq 格式恰好是 4 行代表一个序列,第一行是序列 ID,随后三行分别是序列、+号分隔符、碱基质量分数,因此我们用 grep -A3 选项,就可以将匹配到的序列 ID 和该 ID 对应的其他信息提取出来。举例如下:
bash$ grep -A3 '@A00821:376:H3V2LDSXY:3:1101:12753:3317 ' input_seq.fq
@A00821:376:H3V2LDSXY:3:1101:12753:3317 1:N:0:CGGCTATG+AGGCGAAG
GCCAAAGTCCATACGAATGTTTGGCTTTGTGTCTTCTAACAAGGATACAATTCTTACGCCTTTAAGATTCGTTTGCGGGTTAAGTTCTTATACTCAATCATACACATTCCATCAAGTCTCATGCGACTCCAAAACACTAACCAAGCTTCT
+
FFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFF:FFFFFFFFFFFFFFF
第二种方法:使用李恒开发的 seqtk 工具
seqtk 源码地址
https://github.com/lh3/seqtk
具体使用方法如下,将需要提取的序列 ID 写到 name.lst 文件中(每个 ID 一行)
seqtk subseq in.fq name.lst > out.fq