各种常见生信格式文件的随机抽样

纪伊路上盛名在2024-12-06 13:03

样本检验、随机生成数据、模拟用等，都需要从现有测序数据中随机抽样出一小部分数据来，按照自己需求。

0，最经典的方式：

使用awk等，只要了解各种数据格式具体的行列组成（一般是header+record），其实都可以随机抽取一定比例的record，然后重组header，达到随机子抽样目的；

当然要注意read的类型，要考虑PE还是SE信息的兼容与影响

当然，除了自己写脚本，如果数据量大的话还可以使用现有的工具

1，fastq：

seqtk进行抽样

2，sam/bam：

（1）samtools：

（2）Sambamba：

不知道是否有设置随机数种子的改进，如果没有设置随机数种子的话，那么不能重复，那设置随机数就没有意义了

（3）picard：

（4）最好的方法当然是去社区里问了：

biostar上、stack也有专门生信的论坛等，