在介绍summary.seqs的用法之前，我们首先需要搞清楚两个概念：
1）ambiguous bases
中文叫做模糊碱基，对于DNA序列来说，只有ATCG 4种碱基，在IUPAC定义的碱基标准中，出了上述4种碱基之外，还包括其他的碱基，可以代表不同类型的碱基
| 代码 | 英文含义 | 中文含义 | |
| G | Guanine | 鸟嘌啉 | |
| A | Adenine | 腺嘌啉 | |
| T | (U) | Thymine (Uracil) | 胸腺嘧啶 (尿嘧啶) |
| C | Cytosine | 胞嘧啶 | |
| R | (A or G) | PuRine | 嘌啉 |
| Y | (C or T or U) | Pyrimidine | 嘧啶 |
| M | (A or C) | Amino | 腺嘌啉或胞嘧啶(氨基) |
| K | (G or T) | Ketone | 鸟嘌啉或胸腺嘧啶(酮基) |
| S | (C or G) | Strong interaction | 强相互作用碱基 |
| W | (A or T) | Weak interaction | 弱相互作用碱基 |
| H | (A or C or T) | Not-G (H after G) | 非鸟嘌啉 |
| B | (C or G or T) | Not-A (B after A) | 非腺嘌啉 |
| V | (A or C or G) | Not-T/U (V after U) | 非胸腺嘧啶 |
| D | (A or G or T) | Not-C (D after C) | 非胞嘧啶 |
| N | (A or C or G or T) | Any | 不确定 |
模糊碱基实际上就是除了A T C G 这4种碱基之外的其他碱基
2）homopolymer base
由1个碱基重复多次的序列，比如GCAGAAAAAAA 序列中，末端的一串A就是 homopolymer base
summary.seqs的基本用法：
mothur "#summary.seqs(fasta = "input.fasta")"
运行成功之后，会生成input.summary 文件，内容如下：
seqname start end nbases ambigs polymer numSeqs 1 1 24 24 0 2 1 2 1 25 25 10 10 1 3 1 25 25 2 1 1 4 1 24 24 0 18 1 5 1 24 24 0 2 1 6 1 24 24 0 1 1 7 1 24 24 0 1 1 8 1 25 25 0 2 1
共7列，每列表头含义如下：
seqname : 序列标识符
start : 起始位置，从1开始
end : 终止位置，
nbases : 总碱基数，可以看做序列长度
ambigs : ambiguous bases 模糊碱基的数目
polymer : homopolymer 碱基的最大长度
numSeqs : 序列数，对于每条序列来说，其值总是为1
除了上述的基本用法外，summary.seqs 还有很多的参数；
processors : CPU个数，mothur 是支持并行的，通过设置processors 参数可以并行执行程序，用法如下：
mothur "#summary.seqs(fasta = "input.fasta"， processors = 10)"
时间： 2024-12-12 04:29:32