如何用python把fastq里所有序列的前几个碱基提取出来

本文首发于微信公众号：生物信息学习

最近实验室开始用python的越来越多了，看着大家都在进步，哈哈，也是一件蛮有成就感的事情。

但是最近师妹还是有新的需求，想把fastq里所有序列的前几个碱基提取出来，我最初是想有没有现成可用的工具，因为如果有工具，我可以直接把工具给需要的人，对我来说会比较省事，当然后来想了一下发现，没想到。于是也懒得去网上搜，因为写个python脚本可能比去网上搜要更快。于是就有了下面的脚本。

师妹需求非常简单，把fastq里所有序列的前几个碱基提取出来。那我们在写代码之前需要对fastq格式比较了解，如下所示，fastq的行数要是4的倍数，因为每4行包含的是一条read的信息。

@E00517:522:H3MLMCCX2:8:1101:7517:1643 1:N:0:ATCACGAT+AGATCTCG
CATTCCTGTTGAAGCTCTTGACAATGTGTGAAGTTGATGTCTTGTGAGTGGCCTCACAGGTATAGCTGTTATGTCGTTCATACTCGTCCTTTGTCAACGTGAGGGTGCTGCTCATACTGTAGGTGCTGTCTTTGCTGAGATCGGAAGATC
+
AAFFFFJJJJJJJ<AJJJFJJJJJJJA-7FFJJFJFJJJJJFFJJJJ-<A7-7AJJFJJFJFJJJJAJJJJFAFJJFF-A<JJFJ7<FJJJ-F7AJJF-7-AJJ-AJJFJJ--AF-----<-77AJFJF-<7JAAFJFJF7-AFAFJFFA

代码非常非常的简单（取前3个碱基）：

#python3

import sys

line_num=0
for line in open(sys.argv[1]):
        line_num+=1
        if line_num % 4 ==1 :
                print(line.strip())
        elif line_num % 4 == 2:
                print(line.strip()[0:3])
        elif line_num % 4 == 3:
                print(line.strip())
        elif line_num % 4 == 0:
                print(line.strip()[0:3])

师妹，看看这个输出的是不是你需要的结果呢？

@E00517:522:H3MLMCCX2:8:1101:7517:1643 1:N:0:ATCACGAT+AGATCTCG
CAT
+
AAF

如果你对代码或者代码的使用不理解，那么我录制了这个代码及代码使用讲解的视频，如果有兴趣，分享此文到朋友圈（无屏蔽好友）或转发至100人以上的生物医学类群，半小时后截图给我，我发送视频给你。
另：我们创建了生物信息学习交流群，如需进群，请长按下方二维码，添加管理员微信(禁广告)。
温馨提示：添加管理员微信时请备注姓名/学习/专业

微信公众号下方评论区有更简单的方法,欢迎去下方观看.