如何用命令对fasta格式的序列按长短排序

>xxxx

yyyyyyyyyyyy

你就把它变成

char_num#>xxxxx#yyyyyyyyyyyyyyyyyy

然后你就可以排序.

最后将它还原为原野旁碰来的格式

以下是使用ruby的实现

file = File.open "fasta"

list = []

loop do

key = file.gets

value = file.gets

break if value == nil

line = value.size.to_s <<"#" <<key <<"#" <<value

#这里你自己没说清楚，到底序列是指

#>xxxxxx

#yyyyyyyyyyyyy还是指

#yyyyyyyyyyyyyy，所以自己修改，我默认为下一种

list.push line

end

list.sort! #恩，这里有些问题启斗，国内的ruby少的可怜。而我颂谈又没有ruby的帮助文档。这里需要修改一下sort的这个算法。因为ruby默认是按照ascii顺序排列的。所以5反而在10的后面。还有另一种方法是使用linux的sort工具 sort -n 可以实现按数字排序，但是中间要生成临时文件，自己实现。

tmpfile =File.open "fasta.tmp", "w"

list.each { |elem| tmp_list = elem.splist ( /#/ )tmpfile.puts tmp_list[1], tmp_list[2]}

#system "mv fasta.tmp fasta"这句等你确认算法是对的再来执行吧

最近碰尘激岩到一个需求，比较两个fasta文件的所有序列是否一样，但是其名字无所谓是否相同，于是想了一个比较简单的办法，shell下面直接可以完成。比如有A.fasta和B.fasta两个铅信文件：

1.首先把两派御个文件进行排序，用sort。

2.然后用grep把fasta的header去掉。

3.最后比较两个处理过的文件的md5。

bam文件在进行后续分析前，需要进行排序，samtools的安装见文章：

sam文件转换为bam文件——SAMtools - (jianshu.com)

默认是按序物誉列在fasta文件中的顺序（即header）和序列从左往右的位点排序。

-@8：8个线程

-o：输出文件

按read name排序：

这里发现，原始的.bam文件，和.sort.bam以及.name.sort.bam文件的大小不一致，并且.sort.bam小很多，检查三个文件的行数：

行数一致弯册，没有问题。常用罩闹段的是默认排序，即按染色体顺序进行排序。

---