rust-fastleng

fastleng 是一个专门用于从 FASTQ、FASTA 或未对齐的 BAM 文件中收集序列长度信息的工具。

为什么还需要另一个 FASTX 统计工具？

尽管有许多工具可以生成 FASTX 文件的摘要统计信息，但我无法找到一个可以计算 FASTQ 和 FASTA 所需的所有长度指标的工具。 pyfastx 是最接近的一个，但它似乎将某些统计信息（例如 N50）限制为仅适用于一种文件类型。

相比之下，除了初始解析外，fastleng 对文件类型是无关的。然而，（目前）它只专注于生成基于序列长度的指标。对于更全面的指标，可能更好的选择是使用 pyfastx 或 fastp 等工具。

安装

所有安装选项都假定您已经安装了 Rust 以及 Rust 的 cargo 包管理器。

从 Cargo

cargo install fastleng
fastleng -h

从 GitHub

git clone https://github.com/HudsonAlpha/rust-fastleng.git
cd rust-fastleng
#testing optional
cargo test --release
cargo build --release
./target/release/fastleng -h
#for local install
cargo install --path .

用法

典型用法

以下命令将在给定的 FASTQ 文件上调用 fastleng 并将结果重定向到 JSON 文件

fastleng {data.fq.gz} > {output.json}

示例输出

{
  "total_bases": 21750112406,
  "total_sequences": 1305936,
  "mean_length": 16654.807284583625,
  "median_length": 16600.0,
  "n10": 18849,
  "n25": 17833,
  "n50": 16739,
  "n75": 15842,
  "n90": 15209
}

1. total_bases - 输入文件中所有序列的总碱基数
2. total_sequences - 输入文件中包含的总序列数（即字符串）
3. mean_length - 计数序列的平均长度
4. median_length - 计数序列的中位数长度
5. n10、n25、n50、n75、n90 - 分别为 10、25、50、75 和 90 的序列的 N-score；这些应该依次单调递减

可以考虑的选项

1. -h - 查看完整选项列表并退出
2. -l、--length-json - 启用将原始长度计数保存到指定的 JSON 文件
3. -o, --out-json - 启用用于指定写入长度统计信息的文件名（默认：标准输出）

待办事项列表

1. 为其他 N-score 值创建一个选项（或者也许为所有整数 N-score 值创建一个选项）
2. 如果您有其他基于长度的统计信息，请随时在 GitHub 上提交功能请求。

性能说明

我们尚未进行正式的基准测试。据观察，大部分运行时间都花在了加载 FASTX 文件上，因此程序目前非常依赖于 I/O。

参考文献

Fastleng 目前没有与之相关的预印本或论文。

许可证

根据您的选择，许可如下

• Apache 许可证 2.0（《LICENSE-APACHE》或https://apache.ac.cn/licenses/LICENSE-2.0》）
• MIT 许可证（《LICENSE-MIT》或http://opensource.org/licenses/MIT》）

。

贡献

除非您明确表示，否则根据 Apache-2.0 许可证定义，您提交的任何有意包含在作品中的贡献，均应如上双许可，而无需任何额外条款或条件。