Převod souboru FASTA do FASTQ

Porozumění formátům souborů FASTA a FASTQ

FASTA je široce používaný textový formát pro reprezentaci nukleotidových nebo peptidových sekvencí. Každá sekvence v souboru FASTA začíná jedním řádkem popisu (začínajícím >), následovaným řádky sekvence. FASTQ je další formát používaný v bioinformatice, který rozšiřuje FASTA o zahrnutí kvality hodnocení pro každý nukleotid, což činí tento formát nezbytným pro ukládání surových sekvenačních dat z zařízení vysoké propustnosti sekvenování.

Proč převádět FASTA na FASTQ?

Převod z FASTA na FASTQ je nutný, když nástroje v následném zpracování vyžadují hodnocení kvality, i když jsou jim přiřazena pouze dummy nebo jednotná hodnocení. To je běžné při simulaci sekvenačních dat nebo při přípravě dat pro určité bioinformatické pipeline.

Jak převést FASTA na FASTQ

Protože FASTA soubory neobsahují informace o kvalitě, převod na FASTQ obvykle zahrnuje přiřazení výchozího hodnocení kvality ke každé bázi. To lze provést pomocí příkazových nástrojů nebo specializovaného softwaru.

Doporučený software pro převod FASTA na FASTQ

• Seqtk: Lehký a efektivní nástroj z příkazové řádky pro zpracování sekvencí. Pro převod použijte:
  seqtk seq -F '#' input.fasta > output.fastq
  To přiřadí výchozí kvalitu ('#', odpovídající nízkému, ale platnému Phred hodnocení) ke každé bázi.
• BBMap (reformat.sh): Další multifunkční nástroj. Použijte:
  reformat.sh in=input.fasta out=output.fastq qout=30
  To přiřadí všech bazím Phred hodnotu 30.
• Galaxy platforma: Pro ty, kteří preferují grafické rozhraní, nahrajte svůj FASTA soubor a použijte nástroj FASTA-to-FASTQ, přičemž určíte požadované hodnocení kvality.

Krok za krokem s příkladem použití Seqtk

1. Nainstalujte Seqtk z GitHub repozitáře nebo pomocí správce balíčků.
2. Otevřete terminál a spusťte:
   seqtk seq -F 'I' input.fasta > output.fastq
   To přiřadí každé bázi vysoké hodnocení ('I', Phred 40).
3. Zkontrolujte output.fastq pro převedené sekvence s hodnocením kvality.

Závěr

Převod FASTA na FASTQ je jednoduchý pomocí nástrojů jako Seqtk nebo BBMap. Pamatujte, že výsledná hodnocení kvality jsou umělá, pokud nemáte skutečná data o kvalitě.