fasta索引文件、序列提取的示例分析

這篇文章主要介紹了fasta索引文件、序列提取的示例分析，具有一定借鑒價(jià)值，感興趣的朋友可以參考下，希望大家閱讀完這篇文章之后大有收獲，下面讓小編帶著大家一起了解一下。

fasta是常用的序列存儲(chǔ)格式，很多軟件（如GATK、IGV等）在導(dǎo)入序列以及進(jìn)行快速查找時(shí)通常需要建立索引文件。下面就來(lái)介紹如何使用 samtools 便捷的建立fasta文件的索引以及快速進(jìn)行序列提取。

1 建立索引

建立索引只需在Linux下輸入命令：samtools faidx input.fa

這里序列文件為 input.fa，生成的索引文件以 .fai 結(jié)尾。需要注意的是，輸入的fasta文件的每條序列除最后一行外，其余行的長(zhǎng)度必須相同，否則會(huì)報(bào)錯(cuò)哦！最后生成的.fai文件如下， 共5列，以制表符分隔；

第一列 NAME : 序列的名稱，只保留“>”后，第一個(gè)空白之前的內(nèi)容；

第二列 LENGTH : 序列的長(zhǎng)度，單位為bp；

第三列 OFFSET : 第一個(gè)堿基的偏移量，從0開始計(jì)數(shù)，換行符也統(tǒng)計(jì)進(jìn)行；

第四列 LINEBASES : 除了最后一行外， 其他代表序列的行的堿基數(shù)， 單位為bp；

第五列 LINEWIDTH : 行寬， 除了最后一行外， 其他代表序列的行的長(zhǎng)度，包括換行符，在windows系統(tǒng)中換行符為\r\n，要在序列長(zhǎng)度的基礎(chǔ)上加2。

2 提取序列

除建立索引外，還可以利用samtools方便的提取序列，例如：

samtools faidx input.fa chr2 > chr2.fa，會(huì)得到含chr2這條序列的fasta格式的文件，如果是多條序列，只需在文件后羅列需提取的序列ID即可，使用空格分隔，如 samtools faidx input.fa chr1 chr2 chr3 > chr.fa。

再如：samtools faidx input.fa chr2:1-1000 > chr2.fa，能得到chr2序列的第1到第1000個(gè)堿基的fasta格式的文件，同樣可以提取多條序列。

samtools 安裝

1. 下載，地址如下：http://www.htslib.org/doc/samtools.html。

2. 安裝，使用命令tar -jxvf samtools-1.6.tar.bz2解壓下載的壓縮包，最后使用make命令就可以了。

感謝你能夠認(rèn)真閱讀完這篇文章，希望小編分享的“fasta索引文件、序列提取的示例分析”這篇文章對(duì)大家有幫助，同時(shí)也希望大家多多支持億速云，關(guān)注億速云行業(yè)資訊頻道，更多相關(guān)知識(shí)等著你來(lái)學(xué)習(xí)!