分享一个统计Q20和Q30的小脚本📦

生信往往会统计fa或者fq文件的reads数目🉑，碱基数目，Q20和Q30，以作为补充材料放在附录。其实平时拿到这个质控的结果，还是挺简单的，用一些质控软件就可以快速得到这类结果。比如fastaqc或者fastq等。

当然，这些软件统计指标是质控软件附带的，毕竟质控软件主要还是为了过滤低质量的reads和去接头。那么假设我们现在对已经质控后的fq文件进行了额外的操作，例如去重，或者其他神奇操作😏😏。

那这个时候难道我们要重新输入fastq再进一波指控吗，仅仅为了四个质控指标。也可以，但就是太麻烦。

当然也可以将额外的fq文件操作放在质控软件分析之前，这样就可以避免这个问题。但是问题在于万一呢，所以单独做质控数目统计。

这个时候，就很需要找一种专门做Q20，Q30计算的小脚本📘，最好是更小，更快速，更便捷🏃🏃。

留下没技术的眼泪
当然这个脚本我是写不出来的，咱也就会点R，而Shell和Python也就是一点皮毛，而且最关键的是他们都不够快。Q20和Q30的公式我都懒得搞明白。得了，我去网上谷歌和百度下，还是Ctrl+C,V，难道不香吗？

经过在网上的一番查找，总觉得结果不是很满意，基本英文和中文的搜索结果都是说用C写的kseq.h来进行统计Q20和Q30，但是其中具体步骤言之不详，会浪费不少时间在摸索和尝试上。

我在搜索资料的基础上，进行自己的更改，应该说自己也是一种代码练习了。更改后的脚本，可以一步安装，并且优化输出结果的可读性。另外我自己在安装在集群上，并测试了一下数据结果，其统计结果和fastq的输出结果是一样的。也证明了该方法的准确性。我做了下包装📦📦。放在自己的Github上，分享给有需要的人。

方法原文链接：

  1. https://www.programmersought.com/article/47244571262/
  2. https://www.cnblogs.com/xudongliang/p/5307462.html
  3. http://lh3lh3.users.sourceforge.net/kseq.shtml
  4. https://stackoverflow.com/questions/19390245/how-to-parse-a-fasta-file-using-kseq-h
  5. https://www.geek-share.com/detail/2698055361.html

安装步骤（一步法推荐👍）

打包好的文件放在Githubwangjiaxuan666/WeChat-pubword/fastq_stat.tar.gz上，也可以点击阅读原文直达。如果Github被屏蔽了，可以在微信公众号对话框中输入序列质控或者质控，获得腾讯云下载链接。但是腾讯云存储按照访问流量，会收我钱😨，哈哈，最好还是别让我本就贫穷的日子雪上加霜了💔。

优化后的安装步骤

因为我做了一些优化，所以安装过程和输出结果要比上面的文章更方便一些。在我的Github上下载文件后，创建新的文件夹，然后解压

mkdir test
mv fastq_stat.tar.gz test
cd test
tar -zxvf fastq_stat.tar.gz

运行安装程序，并用test.fq.gz文件做测试结果。fastq_stat.sh同时支持-i 参数和直接参数（反正就一个参数）帮助文档可以用-h。

bash install.sh
bash fastq_stat.sh test.fq.gz
# test.fq.gz	10	1000	964(96.4%)	886(88.6%)	411(41.1%)
# bash fastq_stat.sh -i test.fq.gz
# 同时支持-i参数
bash fastq_stat.sh -h
# The script created by Jiaxuan Wang 20210712
# Usage:
# [-h]: The help document:
# [-i]: The script only support a file input ,
# the file can be fastq or fasta

所有过程均在centos 7.0集群上和本地的Macos上测试。理论上Windows的WSL也是可以运行的。欢迎尝试！

如果你已经上述运行成功，就不用看下面，下面简述只是把步骤分解重复一遍。

分解步骤（学习目的）

如果想看原汁原味的这个小脚本的安装过程，可以看如下内容，做个简单的分解，交流学习一下。

但是如果安装下面方法操作，最好重新开始操作。避免报错。

step01 🍐

先创建一个文件夹，还是将Github下载的文件放入其中，然后在终端进行操作，在centos 7.0和Mac os亲测成功。 `

# 下载在新建的文件中
mkdir fq_stat
cd fa_stat
unzip fq.zip
ls 
# Makefile    kseq.h      kseq_test.c parse.c     test.fq.gz
# 解压后会发现其中有四个文件，sh是我自己写的，不是原来的

step02 🍑

解压后，还是在刚刚创建，解压的文件中，用gcc编译，输入

gcc -o fastq_stat parse.c -lz
# 没有报错就是安装成功
ls 
# Makefile    fastq_stat  kseq.h      kseq_test.c parse.c     test.fq.gz

step03 🍓

这个时候就会发现gcc编译后出现了一个新的文件fastq_stst,这是一个可执行文件，简单测试下效果：

./fastq_stat test.fq.gz
# 10	1000	964	886	411

输出结果的意思分别是，reads数目，碱基数目，Q20的碱基数目，Q30的碱基数目，以及是G或者C的碱基数目（GC含量）。

但其实这个这个结果并不人性化，可以简单利用awk命令来更改下输出

#!bin/sh
./fastq_stat test.fq.gz | awk '{print $1,$2,$3"("$3/$2*100"%)",$4"("$4/$2*100"%)",$5"("$5/$2*100"%)"}'
# 10 1000 964(96.4%) 886(88.6%) 411(41.1%)

这样一来输出结果就好认识多了。以上就是我做的所有优化的分分解过程。其实就是：

  1. 优化安装过程
  2. sh脚本中输出fastq_stat文件的绝对路径。意味着fastq_stat.sh的脚本就算你移出这个文件，放在自己其他工作目录下，fastq_stat.sh依然可以运作。甚至可以将软件目录当成变量放入.bashrc中，随时可以用bash $xxx/fastq_stat.sh来调用。方便
  3. 优化输出结果，可以直接使用的那种

哈哈哈，感觉自己做的还不错，Well done！其实就是方便别人的同时，锻炼下自己的代码水平。比如这次文章更新，来回更改，费了不少功夫。但就是为了让其更方便，可以一步安装，使用，用起来更爽，同时自己也进一步更加熟悉了Shell的sed和awk命令。