转录组入门(3):了解fastq测序数据

转录组入门(3):了解fastq测序数据
需要用安装好的sratoolkit把sra文件转换为fastq格式的测序文件,并且用fastqc软件测试测序文件的质量!
作业,理解测序reads,GC含量,质量值,接头,index,fastqc的全部报告
来源于生信技能树:http://www.biotrainee.com/forum.php?mod=viewthread&tid=1750#lastpost

fastq-dump将sra数据转换成fastq格式

for i in {59..62};
do
echo $i
fastq-dump --gzip --split-3 -O /mnt/hgfs/Labubuntu_data/GSE81916.RNAseq/RNA-Seq -A SRR35899$i.sra;
done
59
Written 30468155 spots for SRR3589959.sra
Written 30468155 spots total
60
Written 52972617 spots for SRR3589960.sra
Written 52972617 spots total
61
Written 36763726 spots for SRR3589961.sra
Written 36763726 spots total
62
Written 43802631 spots for SRR3589962.sra
Written 43802631 spots total
fastq-dump参数:
fastq-dump -h    #参看帮助
INPUT
 -A|--accession <accession>    #路径下文件名
 --table <table-name>    
OUTPUT
  -O|--outdir <path>    #结果文件输出路径
  -Z|--stdout     #标准输出
  --gzip    #结果压缩成格式gzip
  --bzip2    #结果压缩成格式bzip2
Multiple File Options 
  --split-files       
  --split-3  #PE squence产生files *_1.fastq and *_2.fastq 两个文件

fastq文件

fastq文件格式

fastq格式是一种基于文本用来储存生物序列和序列对应质量的文件格式;生物序列和质量均使用单一ASCII码编码。

@E00491:115:H3G7WCCXY:1:1101:30787:1731 1:N:0:ACAAGCTA
TGAATAAGTTGGTTCTAGCGGAGTTTCTGTTCCTTGTCCATAAAGCATCTAACCGCCCTGTGCTCAACTCACGCCGTCTAAAGACAGGAAAGGGAAGTGTCAAGCAGTGTACGATTTGTTTCTAAACTGTACAGTGGCGATTTTTCTAGA
\+
AAAFAJAAF7AJFF<JFJFF-JJFJJ-F----F7<F-<--<-<FAAF--<FFJJAJ<FAF------<--7<F--77----7--------7---<77-<------7---77A-----7-<--7AF-<A<---7----)))))-77------

第1行:以@开头的序列ID,空格后跟着描述性内容;
第2行:序列(碱基序列或者核酸序列);
第3行:以+开头的序列ID,空格后跟着描述性内容;有时为了节省存储空间会只保留+;
第4列:序列测序质量,每个质量字符与序列字符一一对应;
测序质量对应的ASCII码(由低到高排列):
!"#$%&'()*+,-./0123456789:;<=>?@ABCDEFGHIJKLMNOPQRSTUVWXYZ[]^_`abcdefghijklmnopqrstuvwxyz{|}~

Illumina sequence identifiers
@HWUSI-EAS100R:6:73:941:1973#0/1

HWUSI-EAS100R the unique instrument name
6 flowcell lane
73 tile number within the flowcell lane
941 'x'-coordinate of the cluster within the tile
1973 'y'-coordinate of the cluster within the tile
#0 index number for a multiplexed sample (0 for no indexing)
/1 the member of a pair, /1 or /2 (paired-end or mate-pair reads only)

从版本illumina 1.4以后,有所改变:
@EAS139:136:FC706VJ:2:2104:15343:197393 1:Y:18:ATCACG

EAS139 the unique instrument name
136 the run id
FC706VJ the flowcell id
2 flowcell lane
2104 tile number within the flowcell lane
15343 'x'-coordinate of the cluster within the tile
197393 'y'-coordinate of the cluster within the tile
1 the member of a pair, 1 or 2 (paired-end or mate-pair reads only)
Y Y if the read is filtered, N otherwise
18 0 when none of the control bits are on, otherwise it is an even number
ATCACG index sequence

质量Q值的计算:

Q值与p值对应。 #P值是每个碱基测序错误率
这儿有两个转换公式:
The first is the standard Sanger variant to assess reliability of a base call, otherwise known as Phred quality score:

The Solexa pipeline (i.e., the software delivered with the Illumina Genome Analyzer) earlier used a different mapping, encoding the odds p/(1-p) instead of the probability p:

Although both mappings are asymptotically identical at higher quality values, they differ at lower quality levels (i.e., approximately p > 0.05, or equivalently, Q < 13).

Q与p值之间的关系:红色的为phred对应方程,黑色的为Illumina对应方程,虚线表明p=0.05,对应的质量得分为Q≈13
Phred+33与Phred+64:
Phred+64:质量字符的ASCII值 = Q + 64
Phred+33: 质量字符的ASCII值= Q + 33

参考:
FASTQ format
转录组入门(3):质量控制
转录组入门(3):了解fastq测序数据

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 159,117评论 4 362
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 67,328评论 1 293
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 108,839评论 0 243
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 44,007评论 0 206
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 52,384评论 3 287
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 40,629评论 1 219
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 31,880评论 2 313
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 30,593评论 0 198
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 34,313评论 1 243
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 30,575评论 2 246
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 32,066评论 1 260
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 28,392评论 2 253
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 33,052评论 3 236
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 26,082评论 0 8
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 26,844评论 0 195
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 35,662评论 2 274
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 35,575评论 2 270

推荐阅读更多精彩内容