如何将fasta格式转换为fastq格式？

Question

新手入门，如何将fasta格式转换为fastq格式，求perl具体编程，非常感谢！希望有好心人多多指点，这个问题已困恼了本人很久，都失去了学习perl的信心了！
例如，一段序列
">NG-5065_R-0-18_1_1_1_5_743/1
AACAAACCAACAAACNCTAACAAACCCTTTCCGNTTCCANAAANTNTNCNNNNAANNCNNNNGNCANNNCNAANAN
>NG-5065_R-0-18_1_1_1_5_1184/1
TTCGAAGGCCTTCCCGGCACGACGAACGGATGTCCAATTGGTTTCGTAGTAGTGTCANNNNNNNNTCGATCANGACA";
该序列存放在一个文件example中，
其对应的序列质量为
+NG-5065_R-0-18_1_1_1_5_743/1
22 34 32 32 28 32 32 32 30 32 32 31 26 33 30 4 29 34 34 34 32 29 32 25 33 33 30 33 34 34 31 28 29 4 29 34 33 34 2 2 2 2 2 2 2 2 2 2 2
2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2
+NG-5065_R-0-18_1_1_1_5_1184/1
33 23 29 21 32 32 32 32 25 31 33 28 26 31 14 4 19 33 33 32 30 25 28 32 22 10 11 9 28 32 22 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2
2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2
以上存放在另外一个文件example2中，
我该如何用perl编程，实现fasta到fastq格式转换？拜谢！！{:3_199:}

Answer 1

能说明一下example2的格式吗？
22 34 32 32 28 32 32 32 30 32 32 31 26 33 30 4 29 34 34 34 32 29 32 25 33 33 30 33 34 34 31 28 29 4 29 34 33 34 2 2 2 2 2 2 2 2 2 2 2
2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2
这里是一行数据（quality values）还是两行数据？
Bio::Seq::Quality与Bio::SeqIO两个模块合并使用应该能解决你的问题，但我对fastq格式不熟。

Answer 2

回复 2# aef25u

    能不用模块么？我在网上找了很多，都是用模块的，可是作为新手，还没有学习模块的使用

Answer 3

本帖最后由 aef25u 于 2011-04-16 16:37 编辑

回复 3# 一抹茶123

还是学一下模块吧，不用模块能解决吗？能解释一下example2的格式吗？
问楼主也不帮解释下，我把example2当一行的quality values数据处理了。

1. #!/usr/bin/perl
2. use Bio::SeqIO;
3. $in  = Bio::SeqIO->new( -format => 'fasta', -file => 'example.ta' );
4. $out = Bio::SeqIO->new( -format => 'fastq', -file => '>out' );
5. while ( my $seq = $in->next_seq ) {
6.     my $id_ta  = $seq->id;
7.     my $seq_ta = $seq->seq;
8.     my $hash   = Qual('example2.txt');
9.     my $seq_tq = Bio::Seq::Quality->new(
10.         -qual => $hash->{$id_ta},
11.         -seq => $seq_ta,
12.         -id  => $id_ta,
14.         #-trace_indices => $trace,
15.         #-accession_number => '',
16.         #-verbose => -1   # to silence deprecated methods
17.     );
18.     $out->write_seq($seq_tq);
19. }
21. sub Qual {
22.     my $file = shift;
23.     local $/ = '+';
24.     open my $FH, "<$file";
25.     my %hash;
26.     while ( my $line = <$FH> ) {
27.         my ( $id, $q1, $q2 ) = split( "\n", $line );
28.         my $qual = $q1 . ' ' . $q2;
29.         $hash{$id} = $qual;
30.     }
31.     close $FH;
32.     return \%hash;
33. }

复制代码

Answer 4

不懂，不过给你个网址 你可以作为 参考。里面有高手写的代码

http://club.topsage.com/thread-2229946-1-1.html

Answer 5

楼主，请注意你的fasta格式文件和Phred格式文件，他们的序列ID是一样的。

>NG-5065_R-0-18_1_1_1_5_743/1
>NG-5065_R-0-18_1_1_1_5_1184/1

+NG-5065_R-0-18_1_1_1_5_743/1
+NG-5065_R-0-18_1_1_1_5_1184/1

所不同的只是一个一个用>，一个用+

这些ID应该是不重复的，你只需要用这个做ID，建两个hash，然后print就好了..

Answer 6

fastq格式的文件，他们的quality score格式很多，楼主需要注意软件支持的格式，记得我做tophat还是什么的时候就没注意.....囧

Answer 7

回复 2# aef25u

    猜测就是一行的，因为对应的fasta文件就是一行：）

Answer 8

http://maq.sourceforge.net/fq_all2std.pl

Answer 9

这里有一个小程序：
http://yixf.name/2011/02/22/%E6% ... %E6%96%87%E4%BB%B6/