很簡單的問題，卻被常常問起。記錄一個帖子。文末有福利。

手動寫一個FASTQ格式的測試數據

cat <<END >sample.fq @ESX1 CAGGAGGAGTACGTGTTTTTTTTTTGCAGTACTGTACGGCGCAGTAC + FFFFFFFFFFFFFFEEFFFFFFFFFFFFFFFFFFFFFEEEFFFFFFF @ESX2 CAGGAGGAGTACGTGTTTTATTTTTGCAGTACTGTACGGCGCAGTAC + FFFFFFFFFFFFFFEEFFFFFFFFFFFFFFFFFFFFFEEEFFFFFFF @ESX3 CAGGAGGAGTACGTGTTTTTTTTTTGCAGTACTGTACGGCGCAGTAC + FFFFFFFFFFFFFFEEFFFFFFFFFFFFFFFFFFFFFEEEFFFFFFF END

利用seqkit統計

更詳細的介紹和安裝見推文seqkit：序列梳理神器-統計、格式轉換、長度篩選、質量值轉換、翻譯、反向互補、抽樣、去重、滑窗、拆分等30項全能。

可以同時統計單個或多個fastq文件，結果輸出為表格形式

seqkit stat sample.fq # 結果如下 # num_seq：總序列數 # sum_len: 總堿基數 file format type num_seqs sum_len min_len avg_len max_len sample.fq FASTQ DNA 3 141 47 47 47# 統計多個文件 seqkit stat sample.fq sample.fq file format type num_seqs sum_len min_len avg_len max_len sample.fq FASTQ DNA 3 141 47 47 47 sample.fq FASTQ DNA 3 141 47 47 47# 統計多個壓縮文件 seqkit stat *.fq.gz

用Linux命令統計

awk的介紹見常用和不太常用的awk命令

# 統計單個文件 # awk運算 # %取余數 # 為什么除以4，又除以1000000？cat sample.fq | awk 'BEGIN{OFS="\t"}{if(FNR%4==0) base+=length}END{print FNR/4/1000000 " million", base/10^9 "G";}' # 3e-06 million 1.41e-07 G# 統計多個文件 for i in *.fq; do cat sample.fq | awk -v name=${i} 'BEGIN{OFS="\t"}{if(FNR%4==0) base+=length}END{print name, FNR/4/1000000 " million", base/10^9 " G";}' done# sample.fq 3e-06 million 1.41e-07 G# 統計多個壓縮文件 for i in *.fq.gz; do zcat sample.fq.gz | awk -v name=${i} 'BEGIN{OFS="\t"}{if(FNR%4==0) base+=length}END{print name, FNR/4/1000000 " million", base/10^9 " G";}' done

我們的論壇建好了，測試了一段時間，用起來也正常了。在上次的調查中，大部分老師也提議通過論壇交流，一來問答清晰，二來便于追蹤記錄，后續遇到問題直接搜索下就可以有答案，網址是http://www.ehbio.com/Esx/ （微信掃碼就可以登錄）

往期精品(點擊圖片直達文字對應教程)

機器學習

后臺回復“生信寶典福利第一波”或點擊閱讀原文獲取教程合集

總結

以上是生活随笔為你收集整理的统计测序数据reads数和碱基数的几种方法的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。