为什么要对fasta文件建立index

发布网友发布时间：2022-04-23 23:51

共1个回答

热心网友时间：2022-04-09 08:13

fasta是常用的序列存储格式，软件对序列进行快速查找的时候通常需要建立索引文件，例如在GATK、IGV等软件中导入序列的时候都需要建立索引。fasta格式文件的一种索引为fai结尾的文件，可以使用samtools faidx命令创建，具体用法如下：
用法：
samtools faidx input.fa
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 : 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；
提取序列：
samtools faidx input.fa chr1 > chr1.fa
samtools faidx input.fa chr1:100-200 > chr1.fa

为什么要 对fasta文件建立index

为什么要对fasta文件建立index