问题标签 [fastq]

我有一个数据，它总是以以下格式（称为 FASTQ）以四个为一组：

是否有一种简单的 sed/awk/bash 方法可以将它们转换成这种格式（称为 FASTA）：

原则上，我们希望提取每个 4 块中的前两行并替换@为>.

我有一个 FASTQ 质量分数，它显示为一系列 ASCII 字符。在这种情况下（可能）ASCII 字符 64 到 126 代表 0 到 62 的分数（假设它是 Illumina）。这产生了基础序列：

feffefdfbefdfffcfdeTddaYddffbfcI``S_KKX_]]MR[D_TY[VTVXQ]`Q_BBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBB

如何提取 ASCII 字符的数量？

谢谢你桑

编辑：这个序列表示由碱基组成的生物序列的质量（来自核酸中的碱基对，意味着一个字符（ATGC））。碱基质量是 phred 标度的碱基错误概率，等于 -10 log10 Pr{碱基错误}。

我有两条路

在 path1 中，我有一堆 fastq 文件：

在path2中，我有很多.txt对应于path1中的fastq文件：

现在我已经制作了脚本来从 path1 中的 fastq 文件计算 fastq_seq_num，见下文：

并且还从 path2 中的 .txt 文件计算 num_seq_processed_sai，见下文：

好的，现在我的问题是：我想创建一个循环，在其中计算 path1 中第一个 fastq 文件的 fastq_seq_num；然后计算path2中FIRST txt文件的num_seq_processed；然后比较这两个数字；然后结束循环。然后第二个循环开始......我怎样才能设计一些循环来实现这一点？谢谢！！！

我有一个基因组数据库，其中包含一个简单的字符序列（如>chr1 AGTGTCA.....）。现在，我想将其转换为标准的FASTQ 格式，如下所示：

由于我对这种格式不清楚，我无法转换它。如何将简单的字符序列转换为 FASTQ 格式（如上例所示）？

具体来说，我要问：

1. 是否有任何现有的代码来进行编码？
2. 如果不是，我如何在 FASTQ 中编码字符序列？这种格式意味着什么，我该如何创建它？

我需要列出大量文件（40,000 个文件），如下所示：

我的命令是：ls ERR*_1_*.fastq |sed 's/\.fastq//g'|sort -n > masterlist 但是错误是：bash: /bin/ls: Argument list too long

但是我能解决这个问题吗？perl/python 还有其他方法可以制作这样的列表吗？

谢谢

我必须检查包含 10-100k 这些元素的列表中是否存在数百万个元素（20-30 个字母 str）。在 python 中有比这更快的方法set()吗？

以下是我的一些代码：

这个 if 循环是“回显”输出；但是我希望将回显输出保存到某个文件中。我想在脚本中管理这个。我的意思可能是某事。喜欢：

但显然这是行不通的；我要求在脚本中保存回声输出的正确方法。

谢谢

我正在处理 DNA 序列文件（FASTQ 文件）。

@Read1- 好

@Read2- 有 2 个不好的地方

@Read3 ：一个好，一个早

@Read4 ：一个好，一个后

我想在一个序列中查找一个 6 个字符长的模式 (GAACG)（以 @ 开头的行下面的行）。

重要的是我希望在字符串中的第 42 位找到我的模式。

如果在该位置找到模式，我将序列连同它之前的行和它之后的 2 行一起复制到一个新文件中。使用 awk 尝试此操作时，它不起作用，因为所有的 index()、match() 函数只查看第一次出现并且不进一步查看，所以如果它在位置 41 之前找到我的模式，那么它不会将我的数据复制到新文件。

基本上我的脚本应该返回读取 1、3 和 4...

如何筛选我的 FASTQ 文件中的模式，评估找到它的所有位置，并仅考虑在位置 42 具有它的序列，无论该模式是否也存在于其他位置？

@solved 使用相同代码的 C# 速度是原来的两倍

我正在用 perl 解析一个 phred33 fastq 文件，这需要相当长的时间（大约 15 分钟）。fastq 文件大约 3 gigs。有什么合理的方法可以加快速度吗？

我找到了很多用于以 fastq 格式修剪读取的工具，但是是否有任何可用于修剪已经对齐的读取的工具？