帮客户下载测序数据的时候遇到一批454测序数据,看到了一种存储测序数据的sff格式
,第一次见,考个古,记录下。
SFF (Standard Flowgram Format)是一种用于保存测序数据的文件格式,通常用于Roche 454测序平台。SFF文件包含每个测序片段的测序结果、质量值以及其他相关信息。
这两简单记录下两个将测序数据从sff格式转为fastq格式的工具sff2fastq
和sff_extract
:
示例数据:【仅有7天有效期】
链接:https://pan.baidu.com/s/12dK8EYh-A4b3fIxmsFXTbQ?pwd=yyds
提取码:yyds
sff2fastq
github地址:https://github.com/indraniel/sff2fastq
该程序 sff2fastq
从由454基因组测序仪生成的SFF文件中提取读取信息,并以FASTQ格式输出序列和质量分数。
git clone git://github.com/indraniel/sff2fastq.git;
cd sff2fastq;
make
使用说明
Usage: sff2fastq [options] [sff_file]
-h This help message
-v Program and version information
-n Output the untrimmed sequence
-o <fastq_file> Desired fastq output file. If not specified,
defaults to stdout
使用示例
以宏基因组测序数据454Reads.C21~10.sff
为例(第一次见起个名字用~)
特点
:该工具输出的数据是直接trim过的,fastq数据的第3行+
后包含第1行的序列标识符。
sff2fastq 454Reads.C21~10.sff -o C21~10.fastq
C21~10.fastq
内容
@H57R2PX01CHWI2
CCGTCATTATTGAGTCCATCTCATCCCTCGCT
+H57R2PX01CHWI2
6668?<::DDDDFFFFFFFFDBA:88;82444
@H57R2PX01AWCDE
CCGTCAATTATTGAGTCCATCTCATCCCTGCTGCCTCCCGTAGG
+H57R2PX01AWCDE
IIIII??666>IIIIIDDDIIIIIC888=DDGG779?A<9:9BG
@H57R2PX01CWV68
TCAATTCCTTTGAGTTTTAACCTTGCGGCCGTACTCCCCAGGCGGTCGATTTAACGCGTTAGCTCCGGAAGCCACGCCTCAAGGCACAC
+H57R2PX01CWV68
IIIIIIIGFF?D@:6333318899BBDDFFHHIII@@@@IIFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFF<::8A?<33
@H57R2PX01D3UX3
CCGTCAATTCCTTTGAGTTTTAGTCTTGCGACCGTACTCCCCAGGCGGTCTACTTATCGCGTTAGCTGCGCCACTAAAGCCTCAAAGGCCCCAACGGCTAGTAGACATCGTTTACGACATGGACTACCAGGGTATCTAATCCTGTTTGCTCCCCATGCTTTCGTACCTCAGCGTCAGTATTAGGCCAGATGGCTGCCTTCGCCATCGGTATTCCTCCAGATCTCTACGCATTTCACCGCTACACCTGGAATTCTACCATCCTCTCCCATACTCTAGCTCACCAGTATCGAATGCAATTCCCAAGTTAAGCTCGGGGATTTCACATCCGACTTAATAAGCCGCCTACGCACGCTTTACGCCCAGTAAATCCGATTAACGCTCGCACCCTCTGTATTACCGCGGCTGCTGGCACAGAGTTAGCCCGGTGCTTATTCTGCGAGTAACGTCCACTATCTCTAGGTATTAACTAAAGTAGCCTCCTCCTCGCTTAAAGTGCTTTACAA
+H57R2PX01D3UX3
IIIIIIIIIII999II<6666<IHIIIIIIIIIIIIII6666IIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIII???IIIIIDDDII6666IIIIIIIIIIIIIIIIIIHHHIIIIIIIIIIIIIIIIHHHIIIIIIIIIIIIHHHIIIBBBBIIIIHHHIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIHHHIIIIIHHHIIIIIIIIIIIIIIIIIIIIIIHHHIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIHHHIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIHHHCCDCCIIIIIICCCCIGGGIIIIIIIIII????ICC???HHHIIIIIIIIIHHCDDHCCCIIIEEEH???I????IIFBABEB=??C;ABAIFIFC??=CHHHHHHCCEECC@@@CC=:11100@@<<<@;>@BEEEEEEEEEEEEA@@@@@A@C=:364433..11333881;835../16@<@==@??<<9=?<<<?>..
@H57R2PX01A96AE
CCGTCAATTTCTTTGAGTTTCAACCTTGCGGTCGTACTCCCCAGGCGGAGTGCTTAATGCGTTTGCTGCAGCACTGAAGGGCGGAAACCCTCCAACACTTAGCACTCATCGTTTACGGCGTGGACTACCAGGGTATCTAATCCTGTTTGCTCCCCACGCTTTCGAGCCTCAGCGTCAGTTACAGACCAGAGAGCCGCCTTCGCCACTGGTGTTCCTCCATATATCTACGCATTTCACCGCTACACATGGAATTCCACTTCTCTCT
+H57R2PX01A96AE
IIIIIIIHHHIHHHIIIHHHIIIIIIIIIIIIIIIIIIFFDDFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFBBBBFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFIIIIIIIIIGGGGDB<<83333.
sff_extract
sff_extract
是seq_crumbs
中的一个子工具。用于从 454 和 Ion Torrent 使用的 SFF 文件中提取读取。
github地址:https://github.com/JoseBlanca/seq_crumbs
工具依赖于python2.7
和biopython
$ conda create -n py27 python=2.7
$ condact py27
$ conda install biopython -y
$ git clone https://github.com/JoseBlanca/seq_crumbs.git
$ cd seq_crumbs
$ python setup.py install
工具使用说明
usage: sff_extract [-h] [-o OUTPUT] [-c | -x XML_INFO]
[--min_left_clip MIN_LEFT_CLIP]
[--max_percentage MAX_PERCENT] [--version]
[input [input ...]]
SFF binary file reads extractor.
positional arguments:
input SFF input files to process
optional arguments:
-h, --help show this help message and exit
-o OUTPUT, --output OUTPUT
output file (default STDOUT)
-c, --clip Do recommended trims
-x XML_INFO, --mira_xml_info XML_INFO
Path to the file to write the xml traceinfo
--min_left_clip MIN_LEFT_CLIP
Clip at least this number of nucleotides (default: 0)
--max_percentage MAX_PERCENT
nucleotide abundance to consider a SFF file as
"strange" (default: 50.0)
--version show program's version number and exit
使用示例
以454Reads.C21~10.sff
为例
特点
:可以通过 --clip控制是否执行trims。添加后与sff2fastq
结果相同。fastq数据的第3行+
后省略掉第1行的序列标识符。
sff_extract 454Reads.C21~10.sff -o 454Reads.C21~10.fastq --clip
- –clip Do recommended trims
结果内容
@H57R2PX01CHWI2
CCGTCATTATTGAGTCCATCTCATCCCTCGCT
+
6668?<::DDDDFFFFFFFFDBA:88;82444
@H57R2PX01AWCDE
CCGTCAATTATTGAGTCCATCTCATCCCTGCTGCCTCCCGTAGG
+
IIIII??666>IIIIIDDDIIIIIC888=DDGG779?A<9:9BG
@H57R2PX01CWV68
TCAATTCCTTTGAGTTTTAACCTTGCGGCCGTACTCCCCAGGCGGTCGATTTAACGCGTTAGCTCCGGAAGCCACGCCTCAAGGCACAC
+
IIIIIIIGFF?D@:6333318899BBDDFFHHIII@@@@IIFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFF<::8A?<33
@H57R2PX01D3UX3
CCGTCAATTCCTTTGAGTTTTAGTCTTGCGACCGTACTCCCCAGGCGGTCTACTTATCGCGTTAGCTGCGCCACTAAAGCCTCAAAGGCCCCAACGGCTAGTAGACATCGTTTACGACATGGACTACCAGGGTATCTAATCCTGTTTGCTCCCCATGCTTTCGTACCTCAGCGTCAGTATTAGGCCAGATGGCTGCCTTCGCCATCGGTATTCCTCCAGATCTCTACGCATTTCACCGCTACACCTGGAATTCTACCATCCTCTCCCATACTCTAGCTCACCAGTATCGAATGCAATTCCCAAGTTAAGCTCGGGGATTTCACATCCGACTTAATAAGCCGCCTACGCACGCTTTACGCCCAGTAAATCCGATTAACGCTCGCACCCTCTGTATTACCGCGGCTGCTGGCACAGAGTTAGCCCGGTGCTTATTCTGCGAGTAACGTCCACTATCTCTAGGTATTAACTAAAGTAGCCTCCTCCTCGCTTAAAGTGCTTTACAA
+
IIIIIIIIIII999II<6666<IHIIIIIIIIIIIIII6666IIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIII???IIIIIDDDII6666IIIIIIIIIIIIIIIIIIHHHIIIIIIIIIIIIIIIIHHHIIIIIIIIIIIIHHHIIIBBBBIIIIHHHIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIHHHIIIIIHHHIIIIIIIIIIIIIIIIIIIIIIHHHIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIHHHIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIHHHCCDCCIIIIIICCCCIGGGIIIIIIIIII????ICC???HHHIIIIIIIIIHHCDDHCCCIIIEEEH???I????IIFBABEB=??C;ABAIFIFC??=CHHHHHHCCEECC@@@CC=:11100@@<<<@;>@BEEEEEEEEEEEEA@@@@@A@C=:364433..11333881;835../16@<@==@??<<9=?<<<?>..
@H57R2PX01A96AE
CCGTCAATTTCTTTGAGTTTCAACCTTGCGGTCGTACTCCCCAGGCGGAGTGCTTAATGCGTTTGCTGCAGCACTGAAGGGCGGAAACCCTCCAACACTTAGCACTCATCGTTTACGGCGTGGACTACCAGGGTATCTAATCCTGTTTGCTCCCCACGCTTTCGAGCCTCAGCGTCAGTTACAGACCAGAGAGCCGCCTTCGCCACTGGTGTTCCTCCATATATCTACGCATTTCACCGCTACACATGGAATTCCACTTCTCTCT
+
IIIIIIIHHHIHHHIIIHHHIIIIIIIIIIIIIIIIIIFFDDFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFBBBBFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFIIIIIIIIIGGGGDB<<83333.
小结
又一次见识到了Chatgpt的满嘴胡诌的功力。