samtools建立fasta索引

Posted 2023-05-07

参考技术A 本文摘抄自： https://www.omicsclass.com/article/42
侵删！
fasta是常用的序列存储格式，很多软件（如GATK、IGV等）在导入序列以及进行快速查找时通常需要建立索引文件。下面就来介绍如何使用 samtools 便捷的建立fasta文件的索引以及快速进行序列提取。

1 建立索引

建立索引只需在Linux下输入命令：samtools faidx input.fa

这里序列文件为 input.fa，生成的索引文件以 .fai 结尾。需要注意的是，输入的fasta文件的每条序列除最后一行外，其余行的长度必须相同，否则会报错哦！最后生成的.fai文件如下， 共5列，以制表符分隔；

第一列 NAME : 序列的名称，只保留“>”后，第一个空白之前的内容；

第二列 LENGTH : 序列的长度，单位为bp；

第三列 OFFSET : 第一个碱基的偏移量，从0开始计数，换行符也统计进行；

第四列 LINEBASES : 除了最后一行外， 其他代表序列的行的碱基数， 单位为bp；

第五列 LINEWIDTH : 行宽， 除了最后一行外， 其他代表序列的行的长度，包括换行符，在windows系统中换行符为\r\n，要在序列长度的基础上加2。

2 提取序列

除建立索引外，还可以利用samtools方便的提取序列，例如：

samtools faidx input.fa chr2 > chr2.fa，会得到含chr2这条序列的fasta格式的文件，如果是多条序列，只需在文件后罗列需提取的序列ID即可，使用空格分隔，如 samtools faidx input.fa chr1 chr2 chr3 > chr.fa。

再如：samtools faidx input.fa chr2:1-1000 > chr2.fa，能得到chr2序列的第1到第1000个碱基的fasta格式的文件，同样可以提取多条序列。

samtools 安装

2samtools-faidx index

1、samtools faidx

1、samtools faidx 能够对fasta 序列建立一个后缀为.fai 的文件，根据这个.fai 文件和原始的fasta文件， 能够快速的提取任意区域的序列

2、用法：samtools faidx genome.fa　　　　　　#生成genome.fa.fai

3、例子

该命令对输入的fasta序列有一定要求：对于每条序列，除了最后一行外， 其他行的长度必须相同,  

>one 
ATGCATGCATGCATGCATGCATGCATGCAT 
GCATGCATGCATGCATGCATGCATGCATGC 
ATGCAT 
>two another chromosome 
ATGCATGCATGCAT 
GCATGCATGCATGC 

最后生成的.fai文件如下， 共5列，\t分隔；

one 66 5 30 31
two 28 98 14 15

第一列 NAME   :   序列的名称，只保留“>”后，第一个空白之前的内容；

第二列 LENGTH:   序列的长度， 单位为bp；

第三列 OFFSET :   第一个碱基的偏移量， 从0开始计数，换行符也统计进行；

第四列 LINEBASES : 除了最后一行外， 其他代表序列的行的碱基数， 单位为bp；

第五列 LINEWIDTH :  除了最后一行外， 其他代表序列的行的长度， 包括换行符， 在windows系统中换行符为\r\n, 要在序列长度的基础上加2；

提取序列：

samtools faidx input.fa　　　　　　　　　　　　　　 #生成索引input.fa.fai

samtools faidx input.fa chr1 > chr1.fa　　　　　　  #提取chr1序列

samtools faidx input.fa chr1:1-10000 > chr1.fa　　#提取chr1序列上1-10000间的序列

2、samtools index

1、

　　samtools index accepted_hits.bam　　　　　　　　　　  #生成索引accepted_hits.bam.bai

　　samtools view accepted_hits.bam contig1　　　　　　　  #提取比对到chr1序列reads

　　samtools view accepted_hits.bam contig:1-10000　　　　#提取比对到chr1序列上100-200区间的reads

2、

　　samtools tview accepted_hits.bam ../genome.fa　　　　#samtools tview运用要求要先对bam文件index索引