快速处理大文件的小软件：seqtk

处理大文件速度太慢？

前几日小编的同学小T想从一个十多个G的fastq文件中随机抽取10000条序列，结果被折磨的束手无策。

小T首先使用了自己擅长的perl语言编写了一个脚本，但花了三个多小时也没跑完，博学的小T又使用了python语言编写了一个脚本，但是速度仍然不理想，只好来问更加“博学”的小编我啦,下面我就把快速解决方法和大家共享一下。

方便处理大数据的小软件

基于C语言编写的软件Seqtk，可以在一分钟之内完成上文中小T的需求。

这个软件还有很多实用的功能，下面介绍下该软件的下载安装和常用功能：

在linux系统（

Linux系统安装及入门

）上通过网址下载，git clone https://github.com/lh3/seqtk.git；安装包下载就绪之后，解压并进入到seqtk-master目录，运行make命令（cd seqtk-master; make）即可。

实现随机抽取序列的命令如下：

此外小编再给大家介绍几个经常用到的功能：

1、fastq文件转换fasta文件

2、把fastq转换成fasta的同时，对低质量的碱基做操作

seqtk seq -aQ64 -q20 in.fq > out.fa把质量值低于20的碱基字母变成小写

seqtk seq -aQ64 -q20 -n N in.fq > out.fa把质量值低于20的碱基变成N

3、基于提供的序列名抽取序列信息，生成fastq格式文件

seqtk subseq in.fq name.lst > out.fq

4、切掉序列两端质量值低的碱基

seqtk trimfq in.fq > out.fq

5、切掉序列左侧5bp和右侧10bp

seqtk trimfq -b 5 -e 10 in.fa > out.fa

希望对童鞋们有所帮助~~~

科技服务事业部 文案

图片源于网络 侵删