kit de sequência

SeqKit - um kit de ferramentas multiplataforma e ultrarrápido para manipulação de arquivos FASTA/Q

• Experimente o SeqKit em seu navegador (tutoriais e exercícios fornecidos por sandbox.bio)

• Documentos: http://bioinf.shenwei.me/seqkit ( uso , perguntas frequentes , tutorial e benchmark )

• Código fonte: https://github.com/shenwei356/seqkit

• Versão mais recente:

• Cite: ,

• Outros :

Características

• Fácil de instalar (baixar)

• Fornecimento de binários executáveis ​​vinculados estaticamente para múltiplas plataformas (Linux/Windows/macOS, amd64/arm64)

• Leve e pronto para uso, sem dependências, sem compilação, sem configuração

• conda install -c bioconda seqkit

• Fácil de usar

• Ultrarrápido (ver detalhes técnicos e benchmark)

• Análise perfeita dos formatos FASTA e FASTQ

• Suporta ( gzip / xz / zstd / bzip2 compactado) STDIN/STDOUT e arquivo de entrada/saída, facilmente integrado no pipe

• Resultados reproduzíveis (semente rand configurável em sample e shuffle )

• Suporte a ID de sequência personalizada por meio de expressão regular

• Suporte ao preenchimento automático Bash/Zsh

• Comandos versáteis (usos e exemplos)

• Funções práticas suportadas por 38 subcomandos

Instalação

Vá para a página de download para mais opções de download e changelogs ou instale via conda:

conda install -c bioconda seqkit

Subcomandos

Categoria	Comando	Função	Entrada	Sensibilidade ao fio	Multithreads
Operação básica	sequência	Transforme sequências: extraia ID/seq, filtre por comprimento/qualidade, remova lacunas…	RÁPIDO/Q
	estatísticas	Estatísticas simples: #seqs, min/max_len, N50, Q20%, Q30%…	RÁPIDO/Q		✓
	subseqüente	Obtenha subsequências por região/gtf/cama, incluindo sequências de flanqueamento	RÁPIDO/Q	+ ou/e -
	deslizando	Extraia subsequências em janelas deslizantes	RÁPIDO/Q	+ apenas
	faidx	Crie o arquivo de índice FASTA e extraia subsequências (com mais recursos que samtools faidx)	RÁPIDO	+ ou/e -
	traduzir	traduzir DNA/RNA em sequência de proteína	RÁPIDO/Q	+ ou/e -
	assistir	Monitoramento e histogramas on-line de recursos de sequência	RÁPIDO/Q
	espalhar	Concatenação e streaming em tempo real de arquivos fastx	RÁPIDO/Q		✓
Conversão de formato	fq2fa	Converter o formato FASTQ para FASTA	RÁPIDO
	fx2tab	Converter FASTA/Q para formato tabular	RÁPIDO/Q
	fa2fq	Recuperar registros FASTQ correspondentes por um arquivo FASTA	RÁPIDO/Q	+ apenas
	tab2fx	Converter formato tabular para formato FASTA/Q	TVI
	converter	Converta codificação de qualidade FASTQ entre Sanger, Solexa e Illumina	RÁPIDO/Q
Procurando	grep	Pesquisar sequências por ID/nome/sequência/motivos de sequência, incompatibilidade permitida	RÁPIDO/Q	+ e -	parcialmente, -m
	localizar	Localize subsequências/motivos, incompatibilidade permitida	FASTA/Q	+ e -	parcialmente, -m
	amplicon	Extraia o amplicon (ou região específica ao seu redor), incompatibilidade permitida	RÁPIDO/Q	+ e -	parcialmente, -m
	peixe	Procure sequências curtas em sequências maiores	RÁPIDO/Q	+ e -
Definir operação	amostra	Amostra de sequências por número ou proporção	RÁPIDO/Q
	rmdup	Remover sequências duplicadas por ID/nome/sequência	RÁPIDO/Q	+ e -
	comum	Encontre sequências comuns de vários arquivos por id/nome/sequência	RÁPIDO/Q	+ e -
	duplicado	Sequências duplicadas N vezes	RÁPIDO/Q
	dividir	Dividir sequências em arquivos por id/seq região/tamanho/partes (principalmente para FASTA)	FASTA preferido
	divisão2	Dividir sequências em arquivos por tamanho/partes (FASTA, PE/SE FASTQ)	RÁPIDO/Q
	cabeça	Imprimir os primeiros registros N FASTA/Q	RÁPIDO/Q
	genoma da cabeça	Imprimir sequências do primeiro genoma com prefixos comuns no nome	RÁPIDO/Q
	faixa	Imprimir registros FASTA/Q em um intervalo (início:fim)	RÁPIDO/Q
	par	Corrigir leituras emparelhadas de dois arquivos fastq	RÁPIDO/Q
Editar	substituir	Substitua nome/sequência por expressão regular	RÁPIDO/Q	+ apenas
	renomear	Renomear IDs duplicados	RÁPIDO/Q
	concat	Concatenar sequências com o mesmo ID de vários arquivos	FASTA/Q	+ apenas
	reiniciar	Redefinir posição inicial para genoma circular	RÁPIDO/Q	+ apenas
	sofrer mutação	Editar sequência (mutação pontual, inserção, exclusão)	RÁPIDO/Q	+ apenas
	Sana	Limpe arquivos FASTQ de linha única quebrados	RÁPIDO
Pedido	organizar	Classifique as sequências por id/nome/sequência/comprimento	FASTA preferido
	embaralhar	Sequências aleatórias	FASTA preferido
Processamento BAM	bam	Monitoramento e histogramas online de recursos de registro BAM	BAM
Variado	soma	Calcular o resumo da mensagem para todas as sequências em arquivos FASTA/Q	RÁPIDO/Q		✓
	mesclar slides	Mesclar janelas deslizantes geradas a partir do deslizamento do seqkit	TVI

Notas:

• Sensibilidade ao fio:

• + only : somente processamento na vertente positiva/direta.

• + and - : pesquisa em ambas as vertentes.

• + or/and - : depende dos sinalizadores/opções/argumentos dos usuários.

• Threads múltiplos: Usar os 4 threads padrão é rápido o suficiente para a maioria dos comandos, alguns comandos podem se beneficiar de threads extras.

Citação

1. Wei Shen*, Botond Sipos e Liuyang Zhao. 2024. SeqKit2: Um canivete suíço para processamento de sequência e alinhamento. iMeta e191. doi:10.1002/imt2.191.

2. Wei Shen, Shuai Le, Yan Li* e Fuquan Hu*. SeqKit: um kit de ferramentas multiplataforma e ultrarrápido para manipulação de arquivos FASTA/Q. PLOS UM . doi:10.1371/journal.pone.0163962.

Colaboradores

• Wei Shen

• Botond Sipos: bam , scat , fish , sana , watch .

• outros

Agradecimentos

Agradecemos a todos os usuários por seus valiosos comentários e sugestões. Agradecemos a todos os colaboradores por melhorar o código e a documentação.

Agradecemos Klaus Post por seus fantásticos pacotes (comprimir e pgzip) que aceleram a leitura e gravação de arquivos gzip.

Contato

Crie um problema para reportar bugs, propor novas funções ou pedir ajuda.

Licença

Licença MIT

Mapa estelar