FASTQ 文件压缩格式 .gz .bz2 .xz .rfq .rfq.xz
FASTQ 文件是用于存储测序数据的一种格式，它包含了大量的文本信息，因此通常占用大量的存储空间。为了有效地处理和传输这些数据，通常需要对 FASTQ 文件进行压缩来节省存储空间及传输带宽。以下是一些常用的 FASTQ 文件压缩格式及方法。
扫码关注微信公众号【生信F3】获取文章完整信息，分享生物信息学最新知识。 
压缩格式介绍
| 压缩格式 | 说明 |
|---|---|
| *.gz | gzip 程序压缩的文件 |
| *.bz2 | bzip2 程序压缩的文件 |
| *.xz | xz 程序压缩的文件 |
| *.rfq | repaq 程序压缩的文件 |
压缩指令通常仅能针对一个文件来压缩与解压缩，打包软件 tar 可以将很多文件或目录打包成为一个文件，后来的 GNU 计划将整个 tar 与压缩的功能结合在了一起，为使用者提供了更方便且更强大的压缩与打包功能！
| 打包压缩格式 | 说明 |
|---|---|
| *.tar | tar 程序打包的文件，并未压缩 |
| *.tar.gz | tar 程序打包的文件，并且经过 gzip 的压缩 |
| *.tar.xz | tar 程序打包的文件，并且经过 xz 的压缩 |
| *.tar.bz2 | tar 程序打包的文件，并且经过 bzip2 的压缩 |
压缩指令
| 压缩格式 | 压缩指令 |
|---|---|
| *.gz | gzip test.fq（不保留源文件 test.fq，并生成 test.fq.gz） |
| *.gz | gzip -c test.fq > test.fq.gz（保留源文件） |
| *.bz2 | bzip2 test.fq（不保留源文件 test.fq，并生成 test.fq.bz2） |
| *.bz2 | bzip2 -c test.fq > test.fq.bz2（保留源文件） |
| *.xz | xz test.fq（不保留源文件 test.fq，并生成 test.fq.xz） |
| *.xz | xz -c test.fq > test.fq.xz（保留源文件） |
| *.rfq | repaq -c -i test.fq -o test.fq.rfq（保留源文件） |
| *.rfq.xz | repaq -c -i test.fq -o test.fq.rfq.xz（保留源文件） |
参数说明：
-c：将压缩的数据输出到屏幕上（gz/bz2/xz），可透过数据流重导向 > 来处理。
不同格式压缩比与所需运行时间：
以大约 5.66 GB 大小的 test.fq 文件为例（仅供参考，不同运行平台的结果可能略有差异）。
| 压缩格式 | 压缩比（所占源文件的比例） | 运行时间 |
|---|---|---|
| *.gz | 18.0%（节省 82.0% 存储空间） | 8m10s |
| *.bz2 | 13.7%（节省 86.3% 存储空间） | 7m15s |
| *.xz | 11.4%（节省 88.6% 存储空间） | 48m25s |
| *.rfq | 21.3%（节省 78.7% 存储空间） | 58s |
| *.rfq.xz | 8.20%（节省 91.8% 存储空间） | 8m25s |
以此来看，
bz2 略优于 gz，与 gz 相比，不仅所需运行时间较少，还取得了更好的压缩效果。
xz 的压缩效果最佳，但所需时间成本最高，大约为 gz 压缩的 6 倍。考虑到其与 gz 和 bz 压缩比的差距仅有约 6.6% 和 2.3%，其性价比并不理想。
rfq 的运行时间最少，约为 gz 压缩的十分之一，但压缩效果相对最差。
rfq.gz 的综合效益最高，在所需运行时间相对较少的条件下，取得了最好的压缩效果。与 gz 压缩相比，其耗费的运行时间大致相同，但却节省了超过一半的存储空间。
打包压缩指令
tar 可以将多个目录或文件打包成一个大文件，同时还可以透过 gzip/bzip2/xz 的支持，将该文件同时进行压缩。
tar [-z|-j|-J] [cv] [-f] 待建立的新文档名 要被压缩的文件或目录名称
例如：tar -zcvf test.fq.tar.gz test.fq
参数说明：
-z：透过 gzip 的支持进行压缩/解压缩，此时压缩文档名应为 *.tar.gz；
-j：透过 bzip2 的支持进行压缩/解压缩，此时压缩文档名应为 *.tar.bz2；
-J：透过 xz 的支持进行压缩/解压缩，此时压缩文档名应为 *.tar.xz；
-c：create，建立打包文件，搭配 -v 来查看过程中被打包的文件或目录名称；
-v：在压缩/解压缩的过程中，将要被打包的文件或目录名显示出来；
-f：后面要立刻接等待建立的新压缩文档名，再后面为要被压缩的一个或多个文件或目录名称。
值得注意的是，根据 tar 打包出的文件是否压缩有不同的称呼，如果仅是打包 tar -cvf test.fq.tar，这个文件就被称为 tarfile。如果在打包后进行了压缩，类似 test.fq.tar.gz 的文件就会被称为 tarball，可以想象为将一整包物品狠狠的压缩成一团以减少体积 ^_^！
解压指令
| 压缩格式 | 解压指令 |
|---|---|
| *.gz | gzip -d test.fq.gz（不保留压缩文件，生成 test.fq） |
| *.gz | gzip -dc test.fq.gz > test.fq（保留压缩文件） |
| *.bz2 | bzip2 -d test.fq.gz（不保留压缩文件，生成 test.fq） |
| *.bz2 | bzip2 -dc test.fq.gz > test.fq（保留压缩文件） |
| *.xz | xz -d test.fq.gz（不保留压缩文件，生成 test.fq） |
| *.xz | xz -dc test.fq.gz > test.fq（保留压缩文件） |
| *.rfq | repaq -d -i in.rfq -o out.fq（保留压缩文件） |
| *.rfq.xz | repaq -d -i in.rfq.xz -o out.fq（保留压缩文件） |
打包解压指令
tar [-z|-j|-J] [xv] [-f] 既有的tar文档名 [-C 欲放置解压缩文档的目录]
例如：tar -zxvf test.fq.tar.gz 将解压 test.fq.tar.gz 文件到当前目录，如果想要解压缩到家目录，加上 -C /home 即可。
压缩软件安装
bzip2 是一个非常有名的压缩工具，存在于大多数主流 Linux 发行版中，可以在不同发行版上用合适的命令安装。
sudo apt install bzip2 # [On Debian/Ubuntu]
sudo yum install bzip2 # [On CentOS/RHEL]
sudo dnf install bzip2 # [On Fedora 22+]
xz 的安装参考官网：https://tukaani.org/xz/
repaq 的安装和使用参考：https://github.com/OpenGene/repaq，值得注意的是生成 .repaq.xz 格式需要先安装 xz 软件作为依赖哦！
扫码关注微信公众号【生信F3】获取文章完整信息，分享生物信息学最新知识。
本文由 mdnice 多平台发布
