nanozoo/seqtk

seqtk v1.3 Docker镜像文档

镜像概述

本镜像基于seqtk v1.3版本构建，seqtk是一款轻量级序列处理工具，由李恒（lh3）开发（项目源码：https://github.com/lh3/seqtk）。该工具专为FASTA和FASTQ格式的生物序列数据设计，提供高效的序列提取、过滤、转换及统计功能。镜像维护者为Christian，遵循MIT许可证。

核心功能和特性

• 序列提取：支持从FASTA/FASTQ文件中按ID、区域或模式提取特定序列
• 子序列获取：根据坐标范围截取序列片段
• 质量过滤：基于测序质量值过滤低质量序列
• 格式转换：在FASTA与FASTQ格式间相互转换，支持格式标准化
• 序列统计：快速计算序列长度、GC含量等基础统计信息
• 轻量级设计：工具体积小，运行效率高，适合处理大规模测序数据

使用场景和适用范围

• 生物信息学研究中测序数据的预处理
• 基因组/转录组分析前的序列筛选与格式转换
• 高通量测序数据的质量控制与初步统计
• 教学或科研环境中快速部署序列处理工具

使用方法和配置说明

基本用法

通过docker run命令运行容器，工具通过命令行参数进行配置，基本格式如下：

bash
docker run --rm -v /本地数据目录:/data docker.xuanyuan.run/seqtk-image seqtk [命令] [参数] /data/输入文件

常用命令示例

1. 查看帮助信息：

   bash
   docker run --rm docker.xuanyuan.run/seqtk-image seqtk
   

2. 从FASTA文件中提取指定ID的序列（假设本地文件为input.fasta，ID列表文件为ids.txt）：

   bash
   docker run --rm -v $(pwd):/data docker.xuanyuan.run/seqtk-image seqtk subseq /data/input.fasta /data/ids.txt > output.fasta
   

3. 过滤FASTQ文件中质量值低于20的序列：

   bash
   docker run --rm -v $(pwd):/data docker.xuanyuan.run/seqtk-image seqtk seq -Q64 -q20 /data/input.fastq > filtered.fastq
   

4. 统计FASTA文件中序列长度分布：

   bash
   docker run --rm -v $(pwd):/data docker.xuanyuan.run/seqtk-image seqtk comp /data/input.fasta
   

参数说明

seqtk工具通过命令行参数控制具体功能，常用命令及参数如下：

• subseq：按ID提取序列，格式seqtk subseq <in.fa> <list>
• seq：过滤或转换序列，常用参数-q（最低质量值）、-Q（质量值编码，33或64）
• comp：计算序列组成统计，输出长度、GC含量等
• trimfq：修剪FASTQ序列的低质量末端

Docker部署示例

直接运行命令

处理本地FASTQ文件，提取前1000条序列：

bash
docker run --rm -v $(pwd):/data docker.xuanyuan.run/seqtk-image seqtk head -n 1000 /data/input.fastq > first_1000.fastq

持久化数据处理

通过挂载本地目录实现数据持久化，处理完成后结果保存在本地：

bash
# 创建数据目录
mkdir -p ./seqdata
# 复制输入文件到数据目录
cp input.fasta ./seqdata/
# 运行容器处理数据
docker run --rm -v $(pwd)/seqdata:/data docker.xuanyuan.run/seqtk-image seqtk subseq /data/input.fasta /data/ids.txt > ./seqdata/output.fasta

许可证信息

本镜像遵循MIT许可证，详细信息参见原项目https://github.com/lh3/seqtk/blob/master/LICENSE。