BioInfo

2 格式

2.1 FASTA

FASTA 格式（又称为Pearson格式）是一种基于文本的、用于表示核苷酸序列或氨基酸序列的格式。在这种格式中碱基对或氨基酸用单个字母来表示，且允许在序列前添加序列名及注释。

FASTA 文件以序列表示和序列作为一个基本单元，各行记录信息如下：

• 第一行：以 ">" 开头的任意文字说明。用于序列标记，为了保证后续分析软件能够区分每条序列，单个序列的标识必须具有唯一性
• 第二行：碱基序列。只允许使用既定的核苷酸或氨基酸编码符号。通常核苷酸符号大小写均可，而氨基酸常用大写字母。使用时应注意有些程序对大小写有明确要求。文件每行的字母一般不应超过 80 个字符

2.2 FASTQ

FASTQ 最初由 Sanger 开发，目的是将 FASTA 格式数据与质量数据放到一起，目前已经成为高通量测序结果的事实标准。

FASTQ 文件以四行为一个基本单元，并对应一条序列的测序信息，各行记录信息如下：

• 第一行：序列标识以及相关的描述信息。以‘@’开头，为了保证后续分析软件能够区分每条序列，单个序列的标识必须具有唯一性
• 第二行：碱基序列
• 第三行：以‘+’开头，后面是序列标示符、描述信息，或者什么也不加
• 第四行：质量信息，长度和第二行的序列相对应，每一个序列都有一个质量评分，根据评分体系的不同，每个字符的含义表示的数字也不相同。