Seqkit2 是 Seqkit 的新版本，是一个专门用于处理和分析生物序列数据的软件工具。它支持多种序列数据格式，包括FASTA、FASTQ等，并提供了一系列有用的功能，如数据处理、过滤、统计、格式转换等，是生物信息学领域中常用的工具之一。以下是使用seqkit统计FastQ/FastA文件信息。
stat/stats子命令：FASTA/Q文件的简单统计
# Usage: seqkit stats [flags]
# flags:
-N, --N strings: 添加其他类似 N50 的统计作为新列。值范围为 [0, 100]，支持多个值，例如 -N 50,90 或 -N 50 -N 90。
-a, --all: 显示所有统计信息，包括序列长度的四分位数、总间隙数、N50 等。
-b, --basename: 只输出文件的基本名称，不包含路径信息。
-E, --fq-encoding string: 指定 FASTQ 质量编码格式。可用值为 'sanger'、'solexa'、'illumina-1.3+'、'illumina-1.5+'、'illumina-1.8+'。默认为 'sanger'。
-G, --gap-letters string: 指定间隙字符，默认为 "- ."。
-h, --help: 显示关于 stats 子命令的帮助信息。
-e, --skip-err: 跳过错误，仅显示警告消息。
-S, --skip-file-check: 在给定文件或文件列表时跳过输入文件检查。
-i, --stdin-label string: 替换标准输入的默认标签 "-"。
-T, --tabular: 以机器友好的表格格式输出统计信息。
# 帮助信息查看
seqkit stats -h
# 下载参考序列，一个fastq文件，两个fasta文件
wget http://data.biostarhandbook.com/reads/duplicated-reads.fq.gz
wget ftp://ftp.ncbi.nih.gov/refseq/release/viral/viral.1.1.genomic.fna.gz
wget ftp://ftp.ncbi.nih.gov/refseq/release/viral/viral.1.protein.faa.gz
# 统计FastQ/FastA文件信息
seqkit stat *.gz
# 显示所有统计信息
seqkit stat -ab *.gz
# 将统计结果保存为制表符分隔文件
seqkit stats -ab -T *.gz > stats_output.tsv
我们将持续分享微生物组学研究和生信分析的专业技能资料。相关课程请于浏览器搜索“密码子学院”。课程问题或个性化分析需求，请联系小唯（微信号：winnerbio01）。
转载本文请联系原作者获取授权，同时请注明本文来自牛祥娜科学网博客。
链接地址：https://wap.sciencenet.cn/blog-3447233-1492268.html?mobile=1
收藏
