.fasta | .fastq | seq-kit | fastq | fastp | conda

最新推荐文章于 2024-03-23 14:14:35 发布

苦中作乐613

最新推荐文章于 2024-03-23 14:14:35 发布

阅读量311

点赞数

文章标签： conda

本文链接：https://blog.csdn.net/weixin_62886938/article/details/126408692

版权

.fasta 格式文件

感谢这篇文章

fasta文件用于储存一个或多个核苷酸序列或氨基酸序列。

每个序列信息由描述行和序列行组成。

描述行：以>开始，跟着此序列的唯一id，后也可以加描述(空格隔开）

序列行：储存序列，可以多行，一般（80个左右为一行）

>gi|186681228|ref|YP_001864424.1| phycoerythrobilin:ferredoxin oxidoreductase
MNSERSDVTLYQPFLDYAIAYMRSRLDLEPYPIPTGFESNSAVVGKGKNQEEVVTTSYAFQTAKLRQIRA
AHVQGGNSLQVLNFVIFPHLNYDLPFFGADLVTLPGGHLIALDMQPLFRDDSAYQAKYTEPILPIFHAHQ
QHLSWGGDFPEEAQPFFSPAFLWTRPQETAVVETQVFAAFKDYLKAYLDFVEQAEAVTDSQNLVAIKQAQ
LRYLRYRAEKDPARGMFKRFYGAEWTEEYIHGFLFDLERKLTVVK

注意一些对应关系

        A --> adenosine           M --> A C (amino)
        C --> cytidine            S --> G C (strong)
        G --> guanine             W --> A T (weak)
        T --> thymidine           B --> G T C
        U --> uridine             D --> G A T
        R --> G A (purine)        H --> A C T
        Y --> T C (pyrimidine)    V --> G C A
        K --> G T (keto)          N --> A G C T (any)
        -     gap of indeterminate length

    A ALA alanine                         P PRO proline
    B ASX aspartate or asparagine         Q GLN glutamine
    C CYS cystine                         R ARG arginine
    D ASP aspartate                       S SER serine
    E GLU glutamate                       T THR threonine
    F PHE phenylalanine                   U     selenocysteine
    G GLY glycine                         V VAL valine
    H HIS histidine                       W TRP tryptophan
    I ILE isoleucine                      Y TYR tyrosine
    K LYS lysine                          Z GLX glutamate or glutamine
    L LEU leucine                         X     any
    M MET methionine                      *     translation stop
    N ASN asparagine                      -     gap of indeterminate length

.fastq格式文件

fastq格式是一种基于文本的存储生物序列和对应碱基（或氨基酸）质量的文件格式。

每一个序列有四行组成：

第一行以@开头，表示这个read的ID，不会重复，没有空格。

第二行表示序列，通常以AGCTN(any）表示。

第三行是+，旧版fastq中会直接重复第一行，现在不会，一般没有附加信息。

第四行是质量信息

@FCD056DACXX:3:1101:2163:1959#TCGCCGTG/1
TCCGATAACGCTCAACCAGAGGGCTGCCAGCTCCGATCGGCAGTTGCAACCCATTGGCCGTCTGAGCCAGCAACCCCGGA
+
gggiiiiiiiiiiiiiiiiiiiiiiiiiigggggeeecccccc^bcbcccccccbccccc]aaccbbccc^R^^acccc_

质量信息与序列信息一一对应。

质量信息计算：

在测序仪进行测序的时候，会自动根据荧光信号的强弱给出一个参考的测序错误概率（error probility，P），如果直接储存（0.01）浪费内存，所以就将P取log10后乘以-10,得到Q值，Q值加33（或64）后得到的值去ASCII表中对应值即为质量值*

*不同测序的计算方法不同