fasta索引文件、序列提取的示例分析

这篇文章主要介绍了fasta索引文件、序列提取的示例分析，具有一定借鉴价值，感兴趣的朋友可以参考下，希望大家阅读完这篇文章之后大有收获，下面让小编带着大家一起了解一下。

fasta是常用的序列存储格式，很多软件（如GATK、IGV等）在导入序列以及进行快速查找时通常需要建立索引文件。下面就来介绍如何使用 samtools 便捷的建立fasta文件的索引以及快速进行序列提取。

1 建立索引

建立索引只需在Linux下输入命令：samtools faidx input.fa

这里序列文件为 input.fa，生成的索引文件以 .fai 结尾。需要注意的是，输入的fasta文件的每条序列除最后一行外，其余行的长度必须相同，否则会报错哦！最后生成的.fai文件如下， 共5列，以制表符分隔；

第一列 NAME : 序列的名称，只保留“>”后，第一个空白之前的内容；

第二列 LENGTH : 序列的长度，单位为bp；

第三列 OFFSET : 第一个碱基的偏移量，从0开始计数，换行符也统计进行；

第四列 LINEBASES : 除了最后一行外， 其他代表序列的行的碱基数， 单位为bp；

第五列 LINEWIDTH : 行宽， 除了最后一行外， 其他代表序列的行的长度，包括换行符，在windows系统中换行符为\r\n，要在序列长度的基础上加2。

2 提取序列

除建立索引外，还可以利用samtools方便的提取序列，例如：

samtools faidx input.fa chr2 > chr2.fa，会得到含chr2这条序列的fasta格式的文件，如果是多条序列，只需在文件后罗列需提取的序列ID即可，使用空格分隔，如 samtools faidx input.fa chr1 chr2 chr3 > chr.fa。

再如：samtools faidx input.fa chr2:1-1000 > chr2.fa，能得到chr2序列的第1到第1000个碱基的fasta格式的文件，同样可以提取多条序列。

samtools 安装

1. 下载，地址如下：http://www.htslib.org/doc/samtools.html。

2. 安装，使用命令tar -jxvf samtools-1.6.tar.bz2解压下载的压缩包，最后使用make命令就可以了。

感谢你能够认真阅读完这篇文章，希望小编分享的“fasta索引文件、序列提取的示例分析”这篇文章对大家有帮助，同时也希望大家多多支持亿速云，关注亿速云行业资讯频道，更多相关知识等着你来学习!