首先介绍fastq的格式和fasta的格式：
fastq是测序所得的文件，其内部含有对每一个碱基进行质量评估的值：
F_NC_1_1.clean.fq
第一行：测序的index；
第二行：该index下测出的序列信息；
第三行：+；
第四行：对第二行每个碱基进行一个质量评估，一个碱基对应一个字母；
fasta是默认序列的存储的文件：
GCF_000001635.27_GRCm39_rna.fna
示例文件为小鼠参考基因组对应的转录组文件。
包括两部分内容：
第一部分：基因的index
第二部分：基因的序列
其次，在转化前，我们需要比较两个文件格式的异同，涉及转换思路：
1、将fastq文件中index中的@转化为>；
2、将fastq文件中的第三行和第四行删除；
接着我们开始转化，秉着处理数据的大小越来越小的原则
我们首先进行2（将fastq文件中的第三行和第四行删除），利用的是perl语言中正则表达式的思路，查找和复写：
#! C:\other_disk\D_disk_software\perl64 -w
use utf8;
binmode(STDOUT,":utf8");
open(FH, "<F_NC_1_1.clean.fq") or die "file cannot open, $!";
open(FH2, ">F_NC_1_1_shit.txt") or die "file cannot open, $!";
while(<FH>){
if(/@/ or /A/ or /T/ or /C/ or /G/){
print FH2 $_;
}else{
next;
}
}
close FH;
close FH2;
执行完以上代码，我们将目标数据转化为：
F_NC_1_1_shit.txt
我们接着进行1（将fastq文件中index中的@转化为>），利用的是perl语言中正则表达式的思路，查找和替换：
#! C:\other_disk\D_disk_software\perl64 -w
use utf8;
binmode(STDOUT,":utf8");
open(FH2, "<F_NC_1_1_shit.txt") or die "file cannot open, $!";
open(FH3, ">F_NC_1_1_replace.txt") or die "file cannot open, $!";
while(<FH2>){
if(s/@/>/g){
print FH3 $_;
}else{
print FH3 $_;
}
}
close FH2;
close FH3;
执行完以上代码，我们将目标数据转化为：
F_NC_1_1_replace.txt
那我们能否将以上代码合并，一步就完成格式的转化呢？
当然可以，上代码：
#! C:\other_disk\D_disk_software\perl64 -w
use utf8;
binmode(STDOUT,":utf8");
open (FH1, "<F_NC_1_1_shit.txt") or die "file cannot open, $!";
open (FH2, ">F_NC_1_1_replace.txt") or die "file cannot open, $!";
while(<FH1>){
if(/@/ or /A/ or /T/ or /C/ or /G/){
if(s/@/>/g){
print FH2 $_;
}else{
print FH2 $_;
}
}else{
next;
}
}
close FH1;
close FH2;
假如我们有多个文件需要格式转化，那该如何进行处理呢?
因为这个文件的转化是为了进行后续的blast，因此，我将数据上传到了超算中，进行批量的转化。因此，perl语言的脚本的第一行进行了调整、文件的绝对路径也进行了指定。同时也加入了新的代码。
#!/public1/home/scb4951/miniconda3/bin/perl -w
use utf8;
binmode(STDOUT,":utf8");
while (my $file = glob "/public1/home/scb4951/data/Guizhen_oocyte_rna/all_clean/*.clean.fq" ){#将以上路径下的所有包含.clean.fq的文件名称依次传入到$file变量中。
print "$file\n";#可以删除，这个命令是为了验证该文件夹下是否有符合要求的文件。
my $file1 = $file.".sift";#命名转化之后的文件名，在原文件名后加入.sift
open (FH1, '<:utf8', $file) or die "file cannot open, $!";#将变量$file转化为输入文件的文件名。
open (FH2, '>:utf8', $file1) or die "file cannot open, $!";#将变量$file1转化为输出文件的文件名。
while(<FH1>){
if(/@/ or /A/ or /T/ or /C/ or /G/){
if(s/@/>/g){
print FH2 $_;
}else{
print FH2 $_;
}
}else{
next;
}
}
print $file."OK";
close FH1;
close FH2;
}
网友评论