fastq文件读取的比较

Question

我的目标是比较读取从两个不同的fastq文件。作为参考，这是fastq文件所包含的内容：

@SRR1174213.1 HWI-1116:69:D0JBGACXX:2:1101:1388:2317 length=100 length=100 +SRR1174213.1 HWI-1116:69:D0JBGACXX:2:1101:1388:2317 length=100 8;?DDDDDFFF>2AFFFFBFGEE@AHHIFFG@FFFECECFEIIIB09???DDFF3=@;3>A

fastq的分类如下：

*这一行包含读取ID

@SRR1174213.1 HWI-1116:69:D0JBGACXX:2:1101:1388:2317 length=100

*这一行包含序列

*再读ID +SRR1174213.1 HWI-1116:69:D0JBGACXX:2:1101:1388:2317 length=100

*这一行包含了序列中每个碱基的质量分数。

8;?DDDDDFFF>2AFFFFBFGEE@AHHIFFG@FFFECECFEIIIB09??DDFF3=@;3>A

以下是要执行的比较：

1. 两个fastq文件之间有多少个常见的读取？
2. ，一个fastq文件中有多少个不存在于另一个文件中？也就是说，读取每个文件都是唯一的。
3. 在两个文件中的序列在哪里以及如何不同？序列的末端(3‘端)、序列的开头(5’端)的核苷酸碱基有差异吗?还是在序列中间的某个地方？序列的长度有差别吗？如果是的话，长度和区别是什么？我想得到的原始序列加上他们之间的差异，为analysis.
4. Does质量分数不同？序列的质量有何不同？

Answer 1

没有蟒蛇，你想要comm https://linux.die.net/man/1/comm

两个fastq文件之间有多少常见的读取？

comm -12 <(gunzip -c in1.fq.gz |paste - - - - | cut -f 2 | sort | uniq ) <(gunzip -c in2.fq.gz |paste - - - - | cut -f 2 | sort | uniq)