统计 fastq 文件 q20 , GC 含量的软件

二代测序的分析过程中，经常需要统计原始下机数据的数据量，看数据量是否符合要求；另外还需要统计q20,q30,GC含量等反应测序质量的指标；

在kseq.h 的基础上稍加改造，就可以实现从fastq 文件中统计这些指标的功能，而且速度非常的快

#include <zlib.h>
#include <stdio.h>
#include <string.h>  

#include "kseq.h"
// STEP 1: declare the type of file handler and the read() function
KSEQ_INIT(gzFile, gzread)  

int main(int argc, char *argv[])
{
    gzFile fp;
    kseq_t *seq;
    long seqs    = ;
    long bases   = ;
    long q20_cnt = ;
    long q30_cnt = ;
    long gc_cnt  = ;
    int l;
    if (argc != ) {
        fprintf(stderr, "Usage: %s <in.seq>\n", argv[]);
        return ;
    }
    fp = gzopen(argv[], "r"); // STEP 2: open the file handler
    seq = kseq_init(fp); // STEP 3: initialize seq
    while ((l = kseq_read(seq)) >= ) { // STEP 4: read sequence
        char *q = seq->qual.s;
        int   c = ;
        while (c < strlen(seq->qual.s)) {
            if (*q -  >= ) { q20_cnt++;}
            if (*q -  >= ) { q30_cnt++;}
            q++;
            c++;
        }

        char *s = seq->seq.s;
        int   d = ;
        while (d < strlen(seq->seq.s)) {
            if (*s == 'C' || *s == 'G') { gc_cnt++; }
            s++;
            d++;
        }

       bases += strlen(seq->seq.s);
       seqs += ;
    }
    printf("%ld\t%ld\t%ld\t%ld\t%ld\n", seqs, bases, q20_cnt, q30_cnt, gc_cnt);
    kseq_destroy(seq); // STEP 5: destroy seq
    gzclose(fp); // STEP 6: close the file handler
    return ;
}

源代码保存为 parse.c , 然后编译

gcc -o fastq_stat parse.c -lz