本文完全参考自简书文章：https://www.jianshu.com/p/2671198ae625，本文仅供个人参考学习，如有需要请访问原作者，侵权请提醒删除，谢谢！
一、原理
seqtk是一款快速的、轻量级的fasta或fastq格式文件的处理工具，它可以无缝处理上述两种文件，完成日常的如
二、处理方案
1、安装
conda search seqtk
conda install -y seqtk
2、基本命令及介绍
$seqtk
Usage: seqtk <command> <arguments>
Version: 1.3-r106
Command:
seq common transformation of FASTA/Q # FASTA/Q 的转换
comp get the nucleotide composition of FASTA/Q # 获取FASTA/Q的核苷酸组成
sample subsample sequences # 获取样本序列
subseq extract subsequences from FASTA/Q # 提取子序列
fqchk fastq QC (base/quality summary) # fastq的质控
mergepe interleave two PE FASTA/Q files #交叉合并双端测序的两个FASTA/Q files，合并后的file第一条序列是第一个fq的第一条，合并后的file第二条是序列是第二个fq的第一条
trimfq trim FASTQ using the Phred algorithm # 用Phred算法对fq修剪
hety regional heterozygosity # 区域性杂合
gc identify high- or low-GC regions# 识别高低GC含量的区域
mutfa point mutate FASTA at specified positions#在特定位置指出FASTA的突变
mergefa merge two FASTA/Q files # 合并两个的FASTA/Q files
famask apply a X-coded FASTA to a source FASTA#将X编码的fa应用到原fa
dropse drop unpaired from interleaved PE FASTA/Q# 从交错合并的fa/fq中丢弃不成对的序列
rename rename sequence names#序列重命名
randbase choose a random base from hets#从hets中随机选一个碱基
cutN cut sequence at long N # 在N长度处切掉序列
listhet extract the position of each het #提取每一个het位置
3、应用
3.1、seqtk seq
$seqtk seq
Usage: seqtk seq [options] <in.fq>|<in.fa>
Options: -q INT mask bases with quality lower than INT [0] #将质量小于INT的碱基，转成小写的字母[atgc]，INT默认是0。
-X INT mask bases with quality higher than INT [255] #标记质量大于INT的碱基。INT默认是255
-n CHAR masked bases converted to CHAR; 0 for lowercase [0]#用给出的CHAR字符代替标记的碱基，0表示用原碱基的小写字母表示。默认为0。这个参数应该和-q 或-X 搭配使用
-l INT number of residues per line; 0 for 2^32-1 [0] #每条序列取前INT个碱基。默认为0，表示保留整条序列
-Q INT quality shift: ASCII-INT gives base quality [33]#质量变换，如ASCII-33
-s INT random seed (effective with -f) [11]#随机种子，配合-f参数，默认11
-f FLOAT sample FLOAT fraction of sequences [1]#随机取整个文件的FLOAT（例如：0.5）行，随机数种子由-s决定。默认为1，表示保留所有序列
-M FILE mask regions in BED or name list FILE [null]#FILE可以是BED文件。若是BED文件，就将BED文件中给定区间的碱基转换成小写[atgc]序列；若是列表文件，则屏蔽掉给定的ID对应的整条序列。默认为空
-L INT drop sequences with length shorter than INT [0]#丢弃掉长度小于INT的序列，默认是0
-F CHAR fake FASTQ quality []# 用CHAR字符替换fq的质量值
-c mask complement region (effective with -M)# 标记互补区域，和-M参数配合使用
-r reverse complement#生成反向互补序列
-A force FASTA output (discard quality)#强制转换成fa格式，也可以用-a
-C drop comments at the header lines#在标题行删除注释
-N drop sequences containing ambiguous bases#丢弃掉含有不确定碱基N的序列
-1 output the 2n-1 reads only#仅输入2n-1（奇数）的reads
-2 output the 2n reads only#仅输入2n-1（偶数）的reads
-V shift quality by '(-Q) - 33' #通过-Q-33转换质量值
-U convert all bases to uppercases#所有碱基换成大写字母
-S strip of white spaces in sequences#删除序列中的空白行
3.2、seqtk comp
$seqtk comp
Usage: seqtk comp [-u] [-r in.bed] <in.fa> # 获取fa的碱基的组成信息，用-r参数可以输出bed中的给定区间的序列
Output format: chr, length, #A, #C, #G, #T, #2, #3, #4, #CpG, #tv, #ts, #CpG-ts
# 输出格式：序列号 序列长度 A C G T
3.3、seqtk sample
$seqtk sample
Usage: seqtk sample [-2] [-s seed=11] <in.fa> <frac>|<number>
#随机抽取序列，用法是seqtk sample fq/fa num
Options: -s INT RNG seed [11]#设置随机种子，默认11
-2 2-pass mode: twice as slow but with much reduced memory#占用更大的内存
3.4、 seqtk subseq
$seqtk subseq
Usage: seqtk subseq [options] <in.fa> <in.bed>|<name.list>
#提取name.list中指定名称的fa序列，
Options: -t TAB delimited output# 输出以tab分割
-l INT sequence line length [0]# 输出序列以长度INT换行
Note: Use 'samtools faidx' if only a few regions are intended.#注意：如果只有少数几个区域，请使用'samtools faidx'
3.5、seqtk fqchk
$seqtk fqchk
Usage: seqtk fqchk [-q 20] <in.fq>#获取每个碱基点的分布和质量值，和fastqc质控类似，不过这里生成的是数据，而fastqc生成质控报告
Note: use -q0 to get the distribution of all quality values#用-q0来获取所有质量值的分布
3.6、seqtk mergepe
$seqtk mergepe
Usage: seqtk mergepe <in1.fq> <in2.fq>
# 交叉合并双端测序的序列，pe就是pair end的意思
3.7、seqtk trimfq
$seqtk trimfq
Usage: seqtk trimfq [options] <in.fq>
Options: -q FLOAT error rate threshold (disabled by -b/-e) [0.05]#设置错误率的阈值为FLOAT，以此作为修剪标准。此参数不可与-b/-e参数同时使用。默认值为0.05
-l INT maximally trim down to INT bp (disabled by -b/-e) [30]#无论是否质量低，序列保留到至少INT长度。此参数不可与-b/-e参数同时使用。默认值为30。此参数可以看下图（R2.fastq有三条read，测序质量依次递增）
-b INT trim INT bp from left (non-zero to disable -q/-l) [0]# 从序列左边切除INT个碱基。此参数不可与-q/-l参数同时使用。默认值为0
-e INT trim INT bp from right (non-zero to disable -q/-l) [0]#从序列右边切除INT个碱基。此参数不可与-q/-l参数同时使用。默认值为0
-L INT retain at most INT bp from the 5'-end (non-zero to disable -q/-l) [0]#保留从5'端起前INT个碱基
-Q force FASTQ output#强制输出fq格式
3.8、seqtk mergefa
$seqtk mergefa
Usage: seqtk mergefa [options] <in1.fa> <in2.fa># 合并两个的FASTA/Q files
Options: -q INT quality threshold [0]
-i take intersection#取交集
-m convert to lowercase when one of the input base is N
-r pick a random allele from het
-h suppress hets in the input
3.9、seqtk rename
$seqtk rename #序列重命名
Usage: seqtk rename <in.fq> [prefix]
3.10、seqtk cutN
$seqtk cutN# 在N长度处切掉序列
Usage: seqtk cutN [options] <in.fa>
Options: -n INT min size of N tract [1000]
-p INT penalty for a non-N [10]
-g print gaps only, no sequence
