Fastq文件Reads对比分析需求及具体技术问询

Fastq文件内容示例 #

@SRR1174213.1 HWI-1116:69:D0JBGACXX:2:1101:1388:2317 length=100
GGGACAATAAGGTCACGGTGTGCATCTGTGTTCCAAGGCTTTGAAGTGATGAAAACTTCATCTCTACTCTTTATAAGGCCTTTGTCTATGGCTTTGGCCA
+SRR1174213.1 HWI-1116:69:D0JBGACXX:2:1101:1388:2317 length=100
8;?DDDDDFFF>2AFFFFBFGEE@AHHIFFG@FFFECECFEIIIB<09???DDFF3=@<CFECFGFGE@EECEFCAEECE;?);?;6.;@C25>;;3>A

Fastq结构说明 #

• 包含reads ID的行：@SRR1174213.1 HWI-1116:69:D0JBGACXX:2:1101:1388:2317 length=100
• 包含序列（sequence）的行：GGGACAATAAGGTCACGGTGTGCATCTGTGTTCCAAGGCTTTGAAGTGATGAAAACTTCATCTCTACTCTTTATAAGGCCTTTGTCTATGGCTTTGGCCA
• 再次出现的reads ID行：+SRR1174213.1 HWI-1116:69:D0JBGACXX:2:1101:1388:2317 length=100
• 包含碱基质量分数（quality scores）的行：8;?DDDDDFFF>2AFFFFBFGEE@AHHIFFG@FFFECECFEIIIB<09???DDFF3=@<CFECFGFGE@EECEFCAEECE;?);?;6.;@C25>;;3>A

需完成的对比分析任务 #

1. 统计两个Fastq文件之间的共有reads数量
2. 统计仅存在于单个Fastq文件中的reads数量（即每个文件特有的reads数）
3. 分析两个文件中序列的差异：
   • 差异位置：是在序列5'端、3'端还是中间区域？
   • 序列长度是否有差异？若有，需明确具体长度及差值
   • 需提取原始序列及差异信息用于后续分析
4. 分析两个文件中质量分数的差异：
   • 差异位置在哪里？
   • 差异形式是什么？

内容的提问来源于stack exchange，提问作者kkyyuulleerr