通过基因ID文件从fasta文件中提取特定的基因序列

Extract sequence with header from a fasta file with specific ID given in another file

最近在进行一些转录组数据的挖掘和分析实验，在实际的数据处理中，往往需要对目标序列文件进行基于一定条件的筛选，比如本文中所提到的通过基因ID文件从fasta文件中提取得到特定的基因序列。

1. 访问网址http://hgdownload.cse.ucsc.edu/admin/exe/linux.x86_64/

2. 下载faSomeRecords脚本

faSomeRecords.txt

3. 将txt后缀删除（这里为了上传方便），拷贝到指定的文件夹，运行命令行：

$ chmod +x faSomeRecords #赋予文件可执行权限，为Linux系统下执行

4. 执行如下命令，进行数据处理

./faSomeRecords db.fasta id.txt query.fasta #其中db.fasta是原始的fasta文件，id.txt列入了需要查找的基因ID，每行一个，query.fasta为输出文件，包含对应ID的序列信息。

注：本文非本人原创，主要参考瑞典Mohammad Tanvir Ahamed博士在biostarts中的回复（https://www.biostars.org/p/127141/），并在此基础上根据我的使用经验进行整理所得。

此外，extract_seqs_by_sample_id.py 脚本也可以完成这一任务，但其对应的平台安装过于麻烦，这里不多做介绍。有兴趣的盆友请移步http://qiime.org/scripts/extract_seqs_by_sample_id.html。