《学习小组Day7笔记--于多多》

Fastq & Fasta

1. Fastq格式：一种基于文本的，保存生物序列（通常是核酸序列）和其测序质量信息的标准格式,一般都包含有4行。
   第一行：由‘@’开始，后面跟着序列ID和可选的描述，序列ID是唯一的；
   第二行：碱基序列；
   第三行：由‘+’开始，后面是序列的描述信息；
   第四行：第二行序列的质量评价(quality value)
2. Fasta格式：
   (1)：以“>”为开头，fasta格式标志。
   (2)：序列ID号，gi号，NCBI数据库的标识符，具有唯一性。
   格式为：gi|gi号|来源标志|序列标志（接收号、名称等），若某项缺失可以留空，“|”保留。
   (3)：序列描述。
   (4)：碱基序列，序列中允许空格、换行、空行，一般一行60个
3. Fastq文件→Fasta文件
   Linux命令
   法1：sed '/^@/!d;s//>/;N' your.fastq > your.fasta
   法2：seqtk seq -A input.fastq > output.fasta
   FASTX-Toolkit
   •一款用于处理Short-Reads FASTA/FASTQ文件的程序，里面包含了丰富的Fasta/Fastq文件格式转换、统计等命令。
   http://hannonlab.cshl.edu/fastx_toolkit/
   ![![
   微信截图_20200301224513组学.png


测序思维导图.png