如何根据 ID 快速从 fastq 文件中提取序列

第一种方法：使用 grep -A 选项

第一种方式比较简单，用 Linux 系统自带的 grep 命令就可以实现。grep 的 -A NUM 选项在匹配行之后打印尾随的 NUM 行，而 fastq 格式恰好是 4 行代表一个序列，第一行是序列 ID，随后三行分别是*****分隔符、碱基质量分数，因此我们用 grep -A3 选项，就可以将匹配到的序列 ID 和该 ID 对应的其他信息提取出来。举例如下：

bash$ grep -A3 '@A00821:376:H3V2LDSXY:3:1101:12753:3317 ' input_seq.fq
@A00821:376:H3V2LDSXY:3:1101:12753:3317 1:N:0:CGGCTATG+AGGCGAAG
GCCAAAGTCCATACGAATGTTTGGCTTTGTGTCTTCTAACAAGGATACAATTCTTACGCCTTTAAGATTCGTTTGCGGGTTAAGTTCTTATACTCAATCATACACATTCCATCAAGTCTCATGCGACTCCAAAACACTAACCAAGCTTCT
+
FFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFF:FFFFFFFFFFFFFFF

第二种方法：使用李恒开发的 seqtk 工具

seqtk 源码地址
https://github.com/lh3/seqtk

具体使用方法如下，将需要提取的序列 ID 写到 name.lst 文件中（每个 ID 一行）

seqtk subseq in.fq name.lst > out.fq