Question

感谢您抽出宝贵时间来研究这个问题。

我有一个fastq文件，我想把它翻译成互补的，但不是反向互补的，像这样：

@Some header example:1:
ACTGAGACTCGATCA
+
S0m3_Qu4l1t13s&

转换为

@Some header example:1:
TGACTCTGAGCTAGT
+
S0m3_Qu4l1t13s&

我使用的代码是：

awk '{
  if(NR==100000){break} 
  else if((NR+2) % 4 ==0 ){ system("echo " $0 "| tr ATGC TACG") }
  else print $0}' MyFastqFyle.fastq > MyDesiredFile.fastq

它有效！但这种方法很好，即使是小文件（250M）也是如此。我想知道哪种方式可以更快地完成，如果这是R或bash或类似的事情并不重要。

（我查看了BioStrings但是我只找到了反向补充功能，而＃34; @＆＃34;在标题中有一些问题而不是＆＃34;＆gt;＆＃34;）

Answer 1

这很慢，因为你为每个更改的行生成了一个shell和一个进程。只需使用sed：

sed '2~4 y/ATGC/TACG/' MyFastqFyle.fastq > MyDesiredFile.fastq

这需要GNU sed，所以我希望你不在Mac OS X上。如果你是，

sed 'n; y/ATGC/TACG/; n; n' MyFastqFyle.fastq > MyDesiredFile.fastq

应该有用。

Answer 2

以下是使用Biostrings（和ShortRead）的解决方案：

library(ShortRead)
raw <- sread(readFastq("MyFastqFyle.fastq"))
complemented <- complement(raw)

在bash或R中转换每个第N个字符串的有效方法

2 个答案: