学习小组Day7笔记--车车

测序原理

学习资源

原理介绍视频：https://share.weiyun.com/5qojuBY 密码：bxsry4
文章《测序的世界》
测序技术原理及常用数据格式简介
测序发展史
陈巍学基因 视频
内容整理：

测序知识框架

二代测序workflow:

sample prep; cluster generation; sequencing; data analysis
一个flowcell包含8个lane，每个lane包含2个swath，1个swath有60个tile，1个tile会有不同的cluster，不同的lane之间，不会有同样的DNA
样品准备（加接头）-- 桥式PCR，成cluster -- 测序（根据颜色） -- 处理数据

常用数据格式

Fastq & Fasta

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)。

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。

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/

GenBank & EMBL

GenBank格式:
以LOCUS和一些注释行开始。
序列的开头以“ORIGIN”标记，末尾以“//”标记。

EMBL格式
以标识符行（ID）开头，后面跟着更多注释行。
序列的开头以“SQ”开头标记，序末尾以“//”标记。

EMBL → Fasta格式转换（在线工具）：
http://www.geneinfinity.org/sms/sms_embltofasta.html

常见测序文件格式解析的网站