從事生物信息學分析的學生和工作人員都會接觸到二代測序數據,我們從測序公司拿到所需要的數據之後,首先最關心的問題就是測序數據的質量好不好,本文介紹一下如何對二代測序數據進行質量分析(QC)
工具/原料
linux系統:ubuntu 或者 服務
fastqc
方法/步驟
1
安裝fastqc
注意將fastqc加入到系統環境變量中,以便於在終端或命令行中直接運行
具體安裝方法參考fastqc官方手冊
2
在命令行中直接運行命令
fastqc [-o output dir] [--(no)extract] [-f fastq|bam|sam] [-c contaminant file]
output dir指的是輸出結果路徑
extract參數指的是輸出結果是否解壓
-f 參數 是輸入文件的格式,指的'是測序數據
3
運行fastqc:
fastqc
4
輸出結果:在output dir目錄下的一個壓縮文件(未壓縮)
通常我們只需關注如下幾個結果
1 每個位置的鹼基測序質量。通常我們一般認為從第二個鹼基開始,平均每個鹼基的測序質量boxplot下四分位線在30分以上,則認為測序質量非常好
5
2.每條序列的測序質量 一般認為90%的reads測序質量在35分以上,則認為該測序質量非常好
6
3. ATCG鹼基在各個位置上的分佈 一般來説,AT含量高於CG含量,AT含量約28%,CG含量約22%。由於測序問題,通常第一二位置的鹼基測序質量比較低,ATCG含量也不正常。這種情況不影響數據質量,如果實在介意,可在後續bowtie mapping的時候將前兩個鹼基去掉