SeqKit

高性能 FASTA/FASTQ 命令行工具箱，适合统计、筛选、抽样、格式转换和序列操作。Fast FASTA/FASTQ toolkit for statistics, filtering, sampling, conversion, and sequence operations.

速览 | Quick Look

• 常见输入：FASTA, FASTQ, gzip-compressed FASTA/FASTQ
• 常见输出：FASTA/FASTQ, TSV stats
• 典型场景：序列长度统计、ID 筛选、反向互补、抽样、拆分文件

安装 | Install

mamba install -c bioconda seqkit

常用命令 | Common Commands

统计 FASTA/FASTQ：

seqkit stats *.fq.gz

按 ID 列表提取：

seqkit grep -f ids.txt sequences.fa.gz > selected.fa

FASTQ 转 FASTA：

seqkit fq2fa reads.fq.gz > reads.fa

随机抽样：

seqkit sample -p 0.1 -s 42 reads.fq.gz > reads.10pct.fq

反向互补：

seqkit seq -r -p primers.fa > primers.revcomp.fa

关键参数 | Key Options

• stats：序列数量、长度、N50 等统计。
• grep：按 ID、name、序列模式筛选。
• seq：格式转换、大小写、反向互补。
• sample：随机抽样。
• split / split2：拆分大文件。
• -j：线程数。

常见坑 | Pitfalls

• grep -f 默认匹配序列 ID/name，不是序列内容；按序列匹配需看 -s。
• 抽样要固定 seed，便于复现。
• 大文件建议保持 gzip 流式处理，减少中间文件。

参考 | References

• Official documentation: https://bioinf.shenwei.me/seqkit/
• GitHub repository: https://github.com/shenwei356/seqkit