.fai 文件格式解读

.fai：提供随机访问fasta/fastq文件的接口

fai的格式：以\t分割，fasta 5列，fastq 6列.
- NAME Name of this reference sequence
- LENGTH Total length of this reference sequence, in bases
- OFFSET Offset in the FASTA/FASTQ file of this sequence's first base
- LINEBASES The number of bases on each line
- LINEWIDTH The number of bytes in each line, including the newline
- QUALOFFSET Offset of sequence's first quality within the FASTQ file
要注意的问题：

fasta/q 的这些file的要求：
- 除了最后一行其他的行一定是一致的长度。（但是允许这样的情况：有的拼接起来的文件可能会有：一个“>”的行长一致，例如30；不同的">"开始的序列行长不一样，有的“30”or“14”，但是只要内部一致都是允许的，见下面的举例）
- 要注意换行符的一致性：unix/windows/linux 一定要统一
- Name：取名的原则，">"后非空格之后的第一个单词

e.g.

fasta：

fasta file的内容：

>one
ATGCATGCATGCATGCATGCATGCATGCAT
GCATGCATGCATGCATGCATGCATGCATGC
ATGCAT
>two another chromosome
ATGCATGCATGCAT
GCATGCATGCATGC

Unix下：

one   66  5   30  31
two 28  98  14  15
# 66 —> 整个序列的长度（不加换行符）
# 5
# 30 -> 不计算换行符一行的长度
# 31 -> 加上换行符一行的长度# 98 -> 第一个字符从0计算，并且考虑所有的换行符长度98 = （01234）5 + 31 + 31 + 6 + 24 再加一个1
# 14 -> 两个seq长度可以不一样

Windows下：

one    66  6   30  32
two 28  103 14  16# 32 windows下换行符是两个
# 103 每一行多加一个换行符 103 = 98 + 5

fastq：

@fastq1
ATGCATGCATGCATGCATGCATGCATGCAT
GCATGCATGCATGCATGCATGCATGCATGC
ATGCAT
+
FFFA@@FFFFFFFFFFHHB:::@BFFFFGG
HIHIIIIIIIIIIIIIIIIIIIIIIIFFFF
8011<<
@fastq2
ATGCATGCATGCAT
GCATGCATGCATGC
+
IIA94445EEII==
=>IIIIIIIIICCC

unix only：

fastq1    66  8   30  31  79
fastq2  28  156 14  15  188# fastq1 —— 从@后记名
# 8 —— 7个字符＋1个换行符
# 79 —— F对应的起始位置 7 + 31 + 31 + 7 + 2 = 78（最后一个换行符的尾巴，F开始就是79）# 156 —— 79[F - 110[H - 141[8 - 148[@ - 156[A
# 188 —— 156 - 171[G - 186[+ - 188[I

usage

nohup samtools faidx -f GRCh38.p13.genome.chr25_withlambda.fa &
# -f fastq的输入
# 记得查看.fa的具体格式，这个格式不是fastq是fasta……head GRCh38.p13.genome.chr25_withlambda.fa.fai
chr1    248956422       8       60      61
chr2    242193529       253105712       60      61
chr3    198295559       499335808       60      61
chr4    190214555       700936301       60      61
chr5    181538259       894321107       60      61

利用.fai 格式转换成 .bed 格式

# length.bed
awk '{print $1, 0, $2}' GRCh38.p13.genome.chr25_withlambda.fa.fai | sed -e 's/ /\t/g' > filename

参考：

samtools faidx输出的fai文件格式解析 | fasta转bed | fasta to bed_weixin_33894640的博客-CSDN博客

faidx(5) manual page

.fai 文件格式解读相关推荐

Flash CS5 XFL文件格式解读
Flash CS5 XFL文件格式解读 [来源: | 作者:Lee Brimelow | 时间:2010-05-04 | 点击: 731 | 收藏本文 [大中小]] 5uflash文章摘 ...
符合OpenDRIVE规范的xodr文件格式解读（1） ——road部分
以OpenDRIVE 1.5M为例,一个符合OpenDRIVE规范的xodr文件,可以分为如下这6大部分:文件头.道路.交通灯控制器.交叉口.交叉口组.车站.其中最最重要.内容最多的是道路部分,次重要 ...
PST文件格式解读--PST文件的逻辑结构
PST 文件是 OUTLOOK 个人文件夹文件,它是独立的.结构化的二进制文件,不需要任何的外部依赖.每一个PST文件代表一个消息存储器message store,包含有任意层次结构的文件对象Fold ...
GTF/GFF文件格式解读和转换
GFF文件全程为gerneral feature format,这种格式主要用来注释基因组. 从Ensembel 导出的GFF文件实例,一共有9列,中间用tab键分开. 1.seq_id: 序列编号 ...
NGS基础 - GTF/GFF文件格式解读和转换
生物信息学习的正确姿势 NGS系列文章包括NGS基础.在线绘图.转录组分析 (Nature重磅综述|关于RNA-seq你想知道的全在这).ChIP-seq分析 (ChIP-seq基本分析流程).单细胞 ...
cache.config配置文件解读
这个是cdn配置缓存策略的文件,可以改变指定对象或是对象集的缓存参数cacheing paremeters 该文件默认存放在/usr/local/etc/trafficserver/,它定义了Traf ...
FLV文件格式（Z）（转载）
刚才在看一些关于demux的东西,在处理flv格式的文件的时候,由于自己对flv文件的格式不了解,所以就比较云头转向,正好看到了一篇讲述flv文件格式的文章,写的比较明白,所以就转过来了.O(∩_∩) ...
基因组浏览器IGV的安装和图形解读
IGV (Itegrative Genomics Viewer)是一款功能强大的综合性基因组学可视化工具,能够将基因组的变异情况进行可视化,因此广泛应用于基因组学的研究中.IGV的开发得到了美国国立癌 ...
你想要的生信知识全在这——生信宝典目录 (181202)
生信的作用越来越大,想学的人越来越多,不管是为了以后发展,还是为了解决眼下的问题.但生信学习不是一朝一夕就可以完成的事情,也许你可以很短时间学会一个交互式软件的操作,却不能看完程序教学视频后就直接写程 ...
二代三代转录组测序分析实战班
本文原创"生信宝典"公众号,作者陈同. 转录组大家都很熟悉了,我们之前也有几篇介绍: 转录组分析的正确姿势 39个转录组分析工具,120种组合评估(转录组分析工具哪家强-导读版) ...

.fai 文件格式解读

.fai 文件格式解读相关推荐

最新文章

热门文章