| 转录组 | 您所在的位置：网站首页 › atcg含量 › 转录组 |
|
生信技能树学习笔记 Raw data背景先了解 测序长度单端/双端？测序对象 mRNA？lncRNA?fastq数据格式Raw data 或 Raw reads 结果以FASTQ文件格式存储 结果每四行一显示 第一行 @开头，随后为illumina测序识别符合描述文字第二行 碱基序列第三行 +开头第四行 对应序列的测序质量的ASCII码 Base calling，Q值越大精度越高，ASCII数值减33得到Q值质控——fastqc常用参数 -o --outdir 设置输出目录-t --threads 同时处理几个样本将html文件下载到本地，解读 QC 报告 Basic Statistics——GC 30-60%Per base sequence quality——横坐标为碱基位置，纵坐标为Q值Per tile sequence quality——好的结果应该是全蓝色Per sequence quality scores——横坐标为平均Q值，纵坐标为每个Q值对应的reads数（应该呈现拖尾的分布）Per base sequence content——每个碱基位置上ATCG含量的分布图，AT和GC应分别相等，呈水平线，开头允许少许抖动Per sequence GC content——横坐标为平均GC含量，纵坐标为每个GC含量对应的序列数量，蓝色为理论值，红色为测量值，二者越接近越好Per base N content——N含量分布Sequence Length Distribution——长度分布Sequence Duplication levels——序列的重复度Overrepresented sequences——转录组中某个Adapter Content——接头含量，表示序列中两端adapter的情况使用MultiQC整合FastQC结果 数据过滤如何判断数据需要过滤？ 质量控制标准 去除含接头的reads过滤去除低质量值数据，确保数据质量去除含有N（无法确定碱基信息）的比例大于5%（根据实际情况）的reads数据过滤方式一：trim_galore常用参数 -q --quality 切除质量得分低于设置值的序列，默认值20--length 长度小于设定值的reads将被丢弃--max_n 去除含有碱基数大于N的序列--stringency 限定最少与adaptor序列重叠的碱基数数据过滤方式二：fastp速度比 trim_galore 快 常用参数 -i, -I 后接需要过滤的fastq文件-o,-O 后接过滤玩输出的fastq文件名 【注意大小写和reads1/2前后对应】-n --n_base_limit 限制N个数-q 设置碱基质量阈值，默认阈值为15-l 小写的L 设置 read 的最小长度，默认是15，长度＜15 的 read 将被丢弃过滤数据比较附录前台转后台检查脚本内容使用echo打印命令，进行检查 掐头去尾获得样本ID |
| CopyRight 2018-2019 实验室设备网 版权所有 |