【小工具】按比例截取fastq数据量

生信需求：

你有fastq文件，想按照5%，10%，20%，40%，60%，80%，截取fastq的数据量，或按照固定一个自定义比例截取数据量。

特点与功能：

1，随机截取，不是按照原始fastq中的顺序截取。
2，支持PE，和SE reads，
3，仅支持fastq格式。
4，默认按固定比例。（5%，10%，20%，40%，60%，80%）。
5，支持指定比例。比如只想截取45%，则使用-s 45参数既可
6，支持压缩或非压缩文件，自动识别（.fq或.fq.gz）

缺点：

1，随机截取时，会产生大list，导致内存偏高，耗时。

更新：
2019-06-25： 更新了算法，速度提升，
2019-06-25：新增识别压缩与非压缩文件功能

待更新：update to 2019-06-16

1，增加参数使能够不随机截取，按照原始fastq顺序截取，缩短程序运行时间。
2，优化算法，降低内存消耗。

用法：

usage: downsampling.py [-h] [-r1 READ1] [-r2 READ2] [-p PREFIX]

This is description

optional arguments:
  -h, --help            show this help message and exit
  -r1 READ1, --rd1 READ1
                        input read1 file
  -r2 READ2, --rd2 READ2
                        input read2 file
  -p PREFIX, --prefix PREFIX
                        prefix

举例 -p为输出文件的前缀。

python downsampling.py -r1  16E1L1_R1.fastq.gz -r2 16E1L1_R2.fastq.gz  -p 16E1L1

得到如下结果，输出结果的命名为：前缀+ 固定的后缀（xxpct_Rx.fq.gz）。

image.png

案例2：
按照指定的比例，截取fastq，只想截取45%的数据。

python downsampling.py -r1 16E1L1_R1.fastq.gz -r2 16E1L1_R2.fastq.gz  -p 16E1L1 -s 45

则只会输出16E1L1_45pct_R1.fq.gz 和16E1L1_45pct_R2.fq.gz 两个文件。

案例3：
我的数据只有一个fastq，不是PE数据：

python downsampling.py -r1 16E1L1_R1.fastq.gz  -p 16E1L1 -s 45

则只会输出16E1L1_45pct_R1.fq.gz 一个文件。