fasta格式文件介绍与处理

>NP_214518.1 hypothetical protein
ATGACGGGTTCTGTTGACCGGCCCGACCAGAATCGCGGTGAGCGATCAATGAAGTCACCAGGGTTGGATTTGGTCAGG
CGCACCCTGGACGAAGCTCGTGCTGCTGCCCGCGCGCGCGGACAAGACGCCGGTCGAGGGCGGGTCGCTTCCGTTGCG
TCGGGTCGGGTGGCCGGACGGCGACGAAGCTGGTCGGGTCCGGGGCCCGACATTCGTGATCCACAACCGCTGGGTAAG
GCCGCTCGTGAGCTGGCAAAGAAACGCGGCTGGTCGGTGCGGGTCGCCGAGGGTATGGTGCTCGGCCAGTGGTCTGCG
GTGGTCGGCCACCAGATCGCCGAACATGCACGCCCGACTGCGCTAAACGACGGGGTGTTGAGCGTGATTGCGGAGTCG
ACGGCGTGGGCGACGCAGTTGAGGATCATGCAGGCCCAGCTTCTGGCCAAGATCGCCGCAGCGGTTGGCAACGATGTG
GTGCGATCGCTAAAGATCACCGGGCCGGCGGCACCATCGTGGCGCAAGGGGCCTCGCCATATTGCCGGTAGGGGTCCG
CGCGACACCTACGG
ATAA

# fasta 文件格式处理案例
#案例一：统计
seqkit stats kmer45.scafSeq
#分别统计每一条序列长度
seqkit fx2tab kmer45.scafSeq |awk '{print $1"\t"length($2)}'
#案例二：格式化
seqtk seq -l 0 kmer45.scafSeq
#每行显示 50 个碱基
seqtk seq -l 50 kmer45.scafSeq
#案例三：逐条统计
seqtk seq -l 0 kmer45.scafSeq | grep -v ">" | awk '{print length($0)}' | head
#统计长度并按照长度计算频数
seqtk seq -l 0 kmer45.scafSeq |grep -v ">" | awk '{print length($0)}' | sort |
uniq -c
#案例四：成分分析
seqtk comp kmer45.scafSeq | head
#案例五：提取序列
seqkit grep -r -p "C2877" kmer45.scafSeq
#案例六：截取序列
seqkit subseq -r 1000:3000 kmer45.scafSeq
seqkit subseq -r 1000:3000 kmer45.scafSeq --chr C2689
#案例七：排序
seqkit sort -l -r kmer45.scafSeq | less -S
#案例八：按照长度过滤
seqkit seq -m 1000 kmer45.scafSeq
#过滤长度大于 1000bp 序列
seqkit seq -M 1000 kmer45.scafSeq
# 案例九：反向互补
#seqkit 取反向序列
seqkit seq -r test.fasta
#seqkit seq 加-r -p 同时取反向互补序列
seqkit seq -r -p test.fasta
#案例十：转换大小写
seqkit seq -l kmer45.scafSeq| head
seqkit seq -u kmer45.scafSeq| head

bioinfoer.com