perl如何去除fasta或fastq文件中ID重复的序列

这篇文章主要介绍“perl如何去除fasta或fastq文件中ID重复的序列”的相关知识，小编通过实际案例向大家展示操作过程，操作方法简单快捷，实用性强，希望这篇“perl如何去除fasta或fastq文件中ID重复的序列”文章能帮助大家解决问题。

fastq和fasta 文件中序列ID都是唯一的，如果出现不唯一的情况，就需要给他去重复。这有一脚本可 实现此功能。

脚本帮助：

Usage
Forced parameter:
-fa        fasta file           <infile>
-fq        fastq file        <infile>
-fq1       fastq read1 file  <infile>
-fq2       fastq read2 file  <infile>
-f         input file type,"fa"or"fq"  <infile>  must be given
-od        output dir  <outfile>   must be given
-n         output filename  <outfile>    must be given
Other parameter:
-h           Help document

脚本既可以输入fasta格式的，也可以输入fastq格式序列文件。

-fa选项后跟输入的fasta文件，-fq选项后跟输入的fastq文件，如果fastq序列为双端测序的，则-fq1后跟read1序列，-fq2后跟read2序列。-n后跟输出文件前缀名，-od后跟输出目录。

脚本如下：

use Getopt::Long;
use strict;
use Bio::SeqIO;
use Bio::Seq;
#get opts
my %opts;
GetOptions(\%opts, "fa=s", "fq=s", "fq1=s", "fq2=s", "f=s", "od=s", "n=s", "h");
if(!defined($opts{f}) || !defined($opts{od}) || !defined($opts{n}) || defined($opts{h}))
{
print <<"Usage End.";
Usage
Forced parameter:
-fa        fasta file           <infile>must be given
-fq fastq file  <infile>must be given
-fq1fastq read1 file  <infile>must be given
-fq2fastq read2 file  <infile>must be given
-f input file type,"fa"or"fq"  <infile>must be given
-odoutput dir  <outfile>must be given
-noutput filename  <outfile>must be given
Other parameter:
-h           Help document
Usage End.
exit;
}
if($opts{f} eq "fa" && defined($opts{fa})){
my$read1 = $opts{fa};
open my $FQ1 ,"zcat $read1|" or die "$!";
my$fq1=Bio::SeqIO->new(-fh=>$FQ1,-format=>'fasta');

open my $GZ1 ,"| gzip >$opts{od}/${n}.fa.gz" or die $!;
my$out1 = Bio::SeqIO->new(-fh => $GZ1 , -format => 'fasta');

my %id;
while ( my $obj1=$fq1->next_seq()  ) {
my $id1=$obj1->id;
if(exists $id{$id1}){
next;
}else{
$id{$id1} = 1;
}

$out1->write_seq($obj1);



}
}
if($opts{f} eq "fq"){

if(defined($opts{fq})){
my$read1 = $opts{fq};

open my $FQ1 ,"zcat $read1|" or die "$!";
my$fq1=Bio::SeqIO->new(-fh=>$FQ1,-format=>'fastq');

open my $GZ1 ,"| gzip >$opts{od}/${n}.fq.gz" or die $!;
my$out1 = Bio::SeqIO->new(-fh => $GZ1 , -format => 'fastq');

my %id;

while ( my $obj1=$fq1->next_seq()) {
my $id1=$obj1->id;
if(exists $id{$id1}){
next;
}else{
$id{$id1} = 1;
}

$out1->write_seq($obj1);

}


}elsif(defined($opts{fq1})  &&  defined($opts{fq2})){
my$read1 = $opts{fq1};
my$read2 = $opts{fq2};
open my $FQ1 ,"zcat $read1|" or die "$!";
my$fq1=Bio::SeqIO->new(-fh=>$FQ1,-format=>'fastq');

open my $FQ2 ,"zcat $read2|" or die "$!";
my$fq2=Bio::SeqIO->new(-fh=>$FQ2,-format=>'fastq');


open my $GZ1 ,"| gzip >$opts{od}/${n}_R1.fq.gz" or die $!;
my$out1 = Bio::SeqIO->new(-fh => $GZ1 , -format => 'fastq');

open my $GZ2 ,"| gzip >$opts{od}/${n}_R2.fq.gz" or die $!;
my$out2 = Bio::SeqIO->new(-fh => $GZ2 , -format => 'fastq');


my %id;

while ( my $obj1=$fq1->next_seq() and my $obj2=$fq2->next_seq() ) {
my ($id1,$id2)=($obj1->id,$obj2->id);
if(exists $id{$id1}){
next;
}else{
$id{$id1} = 1;
}

$out1->write_seq($obj1);
$out2->write_seq($obj2);
}



}
}

关于“perl如何去除fasta或fastq文件中ID重复的序列”的内容就介绍到这里了，感谢大家的阅读。如果想了解更多行业相关的知识，可以关注亿速云行业资讯频道，小编每天都会为大家更新不同的知识点。