fasta 是壹種 基於文本 用於表示 核酸序列 或 多肽序列 的格式。其中核酸或氨基酸均以單個字母來表示，且允許在序列前添加序列名及註釋。
特征：2部分-- id行 和 序列行 。
> id行以“>”開頭, 後跟序列名稱&序列描述。有時候會包含註釋信息
> 序列行壹個字母表示壹個 堿基/氨基酸 （A、T、C、G、N (N表示不知道是什麽)/20種常見氨基酸）。序列中允許空格，換行，空行，直到下壹個“>”，表示該序列結束。
高通量測序（如Illumina NovaSeq等測序平臺）得到的原始圖像數據文件，經堿基識別（Base Calling）分析轉化為原始測序序列（Sequenced Reads），我們稱之為Raw Data或Raw Reads，結果以FASTQ（簡稱為fq）文件格式存儲，其中包含測序序列（Reads）的 序列信息 以及其對應的 測序質量信息 。測序樣品中真實數據隨機截取結果如下圖：
特征: 每4行代表壹個reads信息
fastq格式是由fasta (記錄id和序列) 和QUAL (記錄id和堿基質量) 合並而來。fastq文件第三行往往是個+，其實就是和第壹行壹樣都是id。
第四行堿基質量值
堿基質量值（Quality Score或Q-score）是堿基識別（Base Calling）出錯的概率的整數映射。通常使用的堿基質量值Q公式[1]為： Q=-10 * log10P 。其中P為堿基識別出錯的概率。下表給出了堿基質量值與堿基識別出錯的概率的對應關系。
堿基質量值越高表明堿基識別越可靠，準確度越高。比如，對於堿基質量值為Q20的堿基識別，100個堿基中有1個會識別出錯，以此類推。
堿基質量值+33(前32個不是單個值)，查表找到對應ASCII碼
fastq與fasta文件轉換
GFF，全稱為Generic Feature Format，主要用來描述 基因的結構與功能信息 ，對基因組進行註釋。記錄序列中轉錄起始位點、基因、外顯子、內含子等組成元件在染色體中的位置信息。現在用得比較多的是第3版，即gff3。gff是壹個三級嵌套結構。格式文件為文本文件，分為9列，以TAB分開。控制符使用RFC 3986 Percent-Encoding 編碼。比如：%20 代表著ASCII的空格。
gff文件壹***有9列：
第九列的詳解
GTF全稱為gene transfer format，主要是用來對基因進行註釋。現在用得比較多的是第2版，即gtf2。gtf文件也是分為9列，前八個字段與GFF相同（有壹些小的差別），重點在第九列的不同。
兩種文件差異比較：
bam文件和sam文件內容其實是壹樣的，只是bam是二進制的壓縮文件，占內存空間更小。需要通過特定的軟件來進行查看。（sam文件可以直接使用 less -S 查看；bam文件使用 samtools view -h xxx.bam | less -S 查看）
SAM（The Sequence Alignment / Map format）格式，即序列比對文件的格式，詳細介紹文檔： blogs.com/xiaofeiIDO/p/6805373.html
參考： sam格式文件解讀