基因組測序技術的發(fā)展使得生物序列日益增多，從大量序列數(shù)據(jù)中挖掘有用的信息成為許多研究領域的重要手段，這就使得我們必須掌握一些序列處理的方法。其中，F(xiàn)ASTA文件是基因組最為常見的文件格式之一。然而，龐大的基因組數(shù)據(jù)讓FASTA文件的處理變得非常棘手，如多基因的串聯(lián)合并、序列的提取或刪除、序列ID檢索與替換等。因此，開發(fā)FASTA文件批量處理軟件工具在生物信息研究中顯得尤其重要。近些年，經過生信工作者的不懈努力，許多FASTA文件批量處理工具應運而生。熟悉和掌握這些工具的使用，可為廣大科研人員提供便捷。

FASTA文件處理工具主要分為兩類：Windows系統(tǒng)的界面化版本以及Linux系統(tǒng)的命令行版本。界面化版本的優(yōu)點就是操作方便，無需任何編程以及Linux系統(tǒng)管理能力，點點鼠標就可以完成分析。而命令行版本的優(yōu)點則是可以大批量并行計算，縮短分析時間，缺點就是需要編程以及Linux系統(tǒng)管理基礎。目前，界面化程序主要有TBtools以及FasParser；命令行版本主要包括seqmagick、seqkit、seqtk、fasta_utilities、FASTAX-toolkit、fastascripts以及Reseqtools等。下面就簡單地介紹幾款軟件，詳細使用方法可自行Google。

FasParser

• 提取及重命名fasta ID
• 統(tǒng)計fasta序列長度信息
• DNA翻譯為AA
• 鑒定指定支系特異氨基酸或核苷酸位點
• 提取4倍簡并位點、第1、2、3位密碼子
• 根據(jù)ID串聯(lián)序列
• 根據(jù)ID或者關鍵詞提取序列
• 過濾序列

TBtools

• 根據(jù)GFF/GTF以及基因組文件獲取CDS、protein序列
• fasta序列與區(qū)段提取
• fasta序列過濾
• fasta序列信息統(tǒng)計
• 序列反向互補
• ID簡化
• ID重命名
• ID增加前綴
• fasta文件合并與分割
• 獲取基因組最長CDS
• 序列模式定位

命令行工具

Seqkit

01. Sequence and subsequence

• seq 轉換序列（反向、互補、提取ID）
• subseq 按區(qū)域/GTF/BED獲取子序列，包括側翼序列
• sliding 序列滑窗
• stats 序列統(tǒng)計
• fadix 建立索引，提取序列

02. Format conversion

• fx2tab 將fasta轉換為表格形式，統(tǒng)計長度以及GC含量
• translate 將DNA翻譯為蛋白

03. Searching

• grep 通過id/name/sequence/sequence motifs搜索序列，允許不匹配
• locate 定位子序列/基序，允許不匹配
• fish 使用局部對齊在較大序列中尋找短序列

04. Set operations

• rmdup 通過id/name/sequence刪除重復序列
• common 通過id/name/sequence查找多個文件的公共序列
• split 按id/seq區(qū)域/大小/部分將序列拆分

05. Edit

• replace 通過正則匹配替換序列名
• rename 重命名重復的id
• concat 串聯(lián)序列
• mutate 編輯序列（點突變、插入、刪除）

06. Ordering

• sort 排序