转录组分析1 各种生信数据格式fq、fa、sam、bam等

sra和fq

1 sra或fq（fastq），都是测序格式的文件。通俗理解：sra是把双端测序的2个文件合成了1个，而fq文件是2个。因为后续很多分析仪fastq格式文件进行，所以一般下载下来sra都要转换为fastq(可以用软件fastq-dump）。

从ensmble上截的图，提供这2种格式的数据下载

fastq文件特点（以二代测序为例）：
4行为1个单位，第一行是@开头的解释信息，第二行是序列reads，第三行+开头的信息，第四行是对应的测序质量ASCII码（我们经常听到的质控主要就是用软件对第四行的信息进行分析吧）

zcat或zless都可以查看fq.gz文件

sra文件没找到打开的，查看都是乱码

fa和gff、gtf

2 fa（fasta），粗略理解就是2行为一个单位，第一行是>开头的解释信息，第二行是序列reads。简单理解就是，fq文件是测序后直接得到的，而fa文件是用各种软件处理了fq文件后得到的。与fa文件配套的就是注释文件gtf/gff，注释文件给出了外显子、内含子、基因等的位置信息。gff主要用来注释基因组，gtf主要用来注释基因，2种文件格式可相互转换，有些软件规定了必须用某一种软件格式。
注释里的ID都是唯一的，如果来自Ensemble数据库：
ENS[species prefix][feature type prefix][a unique 11 digit number]

• ENS：都以这3个字母开头
• species prefix：物种前缀（如果是人的基因这部分就空缺，小鼠是MUS）
• feature type prefix：包括E（exon）、FM（Ensembl protein family）、G（gene）、GT（gene tree）、P（protein）、R（regulatory feature）、T（transcript）
• a unique 11 digit number：唯一的11位数的编码

sam和bam

SAM（the sequence alignment/Map format）和BAM，都是比对结果的文件，2者可以相互转换，bam的文件明显比sam小很多。那sam和bam文件分别有什么作用呢？sam文件可以直接less查看，但bam文件是二进制的，不能直接查看，可以用samtools view查看。

补充：ftp和http

我们从ensemble数据库下载文件时，有时网站是HTTP开头的，即Hyper Text Transfer Protocol，超文本传输协议；有时又是FTP开头的，即File Transfer Protocol,文件传输协议；网上搜索一下，简单说HTTP是面向网页的，而FTP是面向文件的。