seqtk

O seqtk é um conjunto de ferramentas leves em linha de comando para o processamento rápido de arquivos FASTA e FASTQ. Desenvolvido em C, ele é altamente eficiente e indicado para tarefas comuns de manipulação de sequências, como conversão entre formatos, amostragem aleatória, filtragem, recorte, cálculo de estatísticas e reversão de sequências. O seqtk é amplamente utilizado em pipelines de bioinformática por sua velocidade, simplicidade e fácil integração com outros utilitários de linha de comando.

Para mais informações e documentação completa, acesse: https://github.com/lh3/seqtk/tree/master

Carregando o módulo

Para habilitar o seqtk no HPCC Marvin, você deve carregar o módulo seqtk:

module load seqtk

Para acessar a documentação do modulo, utilize:

module help seqtk

Executando o módulo

Modelo de uso do seqtk via linha de comando:

seqtk [OPTIONS] COMMAND [ARGS]...

Ao executar seqtk -h, é possível consultar a lista de comandos disponíveis:

Command: 
  seq       common transformation of FASTA/Q
  size      report the number sequences and bases
  comp      get the nucleotide composition of FASTA/Q
  sample    subsample sequences
  subseq    extract subsequences from FASTA/Q
  fqchk     fastq QC (base/quality summary)
  mergepe   interleave two PE FASTA/Q files
  split     split one file into multiple smaller files
  trimfq    trim FASTQ using the Phred algorithm

  hety      regional heterozygosity
  gc        identify high- or low-GC regions
  mutfa     point mutate FASTA at specified positions
  mergefa   merge two FASTA/Q files
  famask    apply a X-coded FASTA to a source FASTA
  dropse    drop unpaired from interleaved PE FASTA/Q
  rename    rename sequence names
  randbase  choose a random base from hets
  cutN      cut sequence at long N
  gap       get the gap locations
  listhet   extract the position of each het
  hpc       homopolyer-compressed sequence
  telo      identify telomere repeats in asm or long reads

Para mais detalhes sobre os parâmetros de cada comando do seqtk, use:

seqtk [COMMAND] -h

Também consulte os exemplos de uso no repositório do seqtk.

Submetendo jobs

A execução do seqtk no HPCC Marvin é feita por meio de scripts de submissão no SLURM. Crie um arquivo de script, por exemplo seqtk.sh, com o seguinte conteúdo:

#!/bin/bash
#SBATCH --job-name=seqtk
#SBATCH --partition=short-cpu
#SBATCH --ntasks=1
#SBATCH --cpus-per-task=1
#SBATCH --mem-per-cpu=2GB

module load seqtk/1.5

INPUT_FASTQ="/caminho/para/input.fq.gz"
OUTPUT_FASTA="/caminho/para/output.fa"

# Convert FASTQ to FASTA
seqtk seq -a "$INPUT_FASTQ" >  "$OUTPUT_FASTA"

Para submeter o job, salve o script e utilize o comando sbatch:

sbatch seqtk.sh