翻译 bash 或 R 中每个第 N 个字符串的有效方法

Question

感谢您抽出时间来看这篇文章。

我有一个 fastq 文件，我想将它翻译成互补的，而不是反向互补的，像这样：

@Some header example:1:
ACTGAGACTCGATCA
+
S0m3_Qu4l1t13s&

翻译成

@Some header example:1:
TGACTCTGAGCTAGT
+
S0m3_Qu4l1t13s&

而我使用的代码是：

awk '{
  if(NR==100000){break} 
  else if((NR+2) % 4 ==0 ){ system("echo " [=13=] "| tr ATGC TACG") }
  else print [=13=]}' MyFastqFyle.fastq > MyDesiredFile.fastq

而且有效！但是这种方法很慢，即使是小文件（250M）也是如此。我想知道还有哪种方法可以更快地完成这项工作，无论是在 R 还是 bash 或类似的方法中。

(我查看了BioStrings 但我只发现了反向互补函数，并且header中的“@”而不是“>”存在一些问题

Answer 1

这很慢，因为您为每个更改的行生成一个 shell 和一个进程。只需使用 sed:

sed '2~4 y/ATGC/TACG/' MyFastqFyle.fastq > MyDesiredFile.fastq

这需要 GNU sed，所以我希望你没有在 Mac OS X 上。如果你在，

sed 'n; y/ATGC/TACG/; n; n' MyFastqFyle.fastq > MyDesiredFile.fastq

应该可以。

Answer 2

这是使用 Biostrings（和 ShortRead）的解决方案：

library(ShortRead)
raw <- sread(readFastq("MyFastqFyle.fastq"))
complemented <- complement(raw)

翻译 bash 或 R 中每个第 N 个字符串的有效方法

Efficient way to TRANSLATE every Nth string in bash or R

bash

awk

r

fastq