从fastq文件中批量提取/过滤序列【python】

博主也是刚刚接触生信，会将自己平时练习用到的python脚本发布到博客上，用来记录自己的学习之路。

介绍

测序回来的fastq文件通常在分析之前，需要进行过滤，该脚本利用python实现fastq文件中提取指定ID的序列，并保存为新fastq文件，脚本一所有输入文件和输出文件都必须是压缩文件格式，脚本二是否压缩均可，但输出的过滤后的文件会和原始fastq文件保持一致。

说明

脚本一：

• 输入文件为fq.gz文件，压缩的ID list文件。
• 必须是压缩格式的文件才可以，如果非压缩格式，可以压缩成gz格式后使用该脚本，或者将该脚本改写。

脚本二：

• 自动识别input文件格式，无论fq文件是否压缩都可以打开。
• 输出文件格式默认与fq文件一致，即fq是压缩文件，过滤后的输出文件也是压缩文件，fq没有压缩，输出文件也是普通格式。

脚本如下

脚本一

#!/usr/bin/env python3
# -*- coding: utf-8 -*-
#Author: gyw
#Date: 2019-03-07
#E-mail: willgyw@126.com
#Description:Filter reads from fastq.gz 

import gzip
import argparse


parser = argparse.ArgumentParser(description='filter reads from fastq.gz')
parser.add_argument('--fastq', '-q', dest='fastq', help='input a fastq.gz file')
parser.add_argument('--idlist', '-i', dest='idlist', help='input idlist.gz file')
parser.add_argument('--outfile', '-o', dest='outfile', help='input outfile name,end by gz')
args = parser.parse_args()

fastqdict = {
   }

with gzip.open(args.fastq, 'rb') as fastq:
    for line in fastq:
        if line.decode().startswith(