我的数据总是以四个为单位
采用以下格式（称为FASTQ）：
@SRR018006.2016 GA2:6:1:20:650 length=36
NNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNGN
+SRR018006.2016 GA2:6:1:20:650 length=36
!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!+!
@SRR018006.19405469 GA2:6:100:1793:611 length=36
ACCCGCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCC
+SRR018006.19405469 GA2:6:100:1793:611 length=36
7);;).;);;/;*.2>/@@7;@77<..;)58)5/>/
有没有简单的sed / awk / bash方法将它们转换为
这种格式（称为FASTA）：
>SRR018006.2016 GA2:6:1:20:650 length=36
NNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNGN
>SRR018006.19405469 GA2:6:100:1793:611 length=36
ACCCGCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCC
原则上，我们要提取每个4块中的前两行
并将
@替换为>。 最佳答案
这是一个古老的问题，并且已经提供了许多不同的解决方案。由于可接受的答案使用sed但存在一个明显的问题（即当@符号出现在质量行的第一个字母时，它将用>替换@），因此我不得不提供一个简单的基于sed的解决方案：
sed -n '1~4s/^@/>/p;2~4p'
唯一的假设是，每次读取在FASTQ文件中恰好占据4行，但是根据我的经验，这似乎非常安全。
fastx工具包中的fastq_to_fasta脚本也可以使用。 （值得一提的是，您需要指定-Q33选项以适应现在常见的Phred + 33 Qual编码。这很有趣，因为它仍然会丢弃质量数据！）