FASTQ
fastq格式是一種基于文本的存儲(chǔ)生物序列和對(duì)應(yīng)堿基或者氨基酸質(zhì)量的文件格式，最初由桑格研究所（Wellcome Trust Sanger Institute）開發(fā)出來，現(xiàn)已成為存儲(chǔ)高通量測(cè)序數(shù)據(jù)的事實(shí)標(biāo)準(zhǔn)。
舉個(gè)例子：
head SRR4407795_1.fastq #查看前 10 行
我們可以看到每一個(gè)序列有四行
@SRR4407794.1 1 length=86
CCTGGCTTATTGCAGTTGTAACAAGATGGTTCGTCGGGACTCTGAGGGCAATCTTTGGCAAAGTGCCCTTCGCCATTACAGCGATA
+SRR4407794.1 1 length=86
FFFFFIIIIIIIIIIFFBFFIIBFF<FFBFFFF<FFFFFFFBBFBBFBBFBFFFFFBBBB<BB<BBBFBBBBFFFBBBBBFFFBBB
@SRR4407794.2 2 length=86
ATTTAAAATTAAAATATTAGATTTTATATTCACAAATCAATGATTTAAATTAAAAAAGTTTATTAAATAGATCGGAAGAGCACACG
+SRR4407794.2 2 length=86
BFFFBFIFIIBBFFFFFIFIIIIIIIIFIIFFFBFFI<<BFF<FFIIIFIIIFBFIII<BFBFFBBBFFFFFFFFBFFFFFFFBB<
...
第一行：必須以"@"開頭，后面跟著序列的id信息，以及描述（測(cè)序通道，坐標(biāo)，reads長(zhǎng)度等）
第二行：序列
第三行：必須以"+"開頭，后面跟著可選的ID標(biāo)識(shí)符和可選的描述內(nèi)容，但是內(nèi)容必須和第一行保持一致
第四行：質(zhì)量分?jǐn)?shù)，對(duì)應(yīng)到該測(cè)序儀器所采用的phred標(biāo)準(zhǔn)，對(duì)應(yīng)ascall碼范圍求得整數(shù)質(zhì)量分?jǐn)?shù)值.
FASTA
fasta格式比較常見，用于表示核苷酸序列或氨基酸序列。
>QE2142515.1 CO1_species
MLLNKWFYSHKNIGTLYFIFGAGMLGTSFSLLIRAELGSPGSLIGNDHIFNVIVTSHAFIFFMVMPIMIGGFGNWLI
第一行：必須以">"開頭,后面接序列的id信息，然后是描述部分
第二行：序列信息，可以是核酸或者是氨基酸序列
如何計(jì)算fasta，fastq的序列條數(shù)
根據(jù)以上的描述，我們知道知道fastq條數(shù)就是總行數(shù)/4，fasta條數(shù)就是數(shù)">"的個(gè)數(shù)
- fastq
expr $(cat test.fastq | wc -l) / 4
- fasta
grep ">" test.fasta | wc -l
