【RSS】[1] FastQC-Quality assessme

【RSS】RNA-seq step by step
这个RSS专题将step by step 记录我学习RNA-seq的过程，仅供参考。

RNA-seq 学习资源（墙裂推荐）：
https://lulab2.gitbook.io/teaching/part-iii.-ngs-data-analyses/2.rna-seq
https://github.com/mgonzalezporta/TeachingMaterial/blob/master/doc/12.qa.md

根据fastQC报告结果，去除测序质量差的片段

• fastQC的解读-（详见）

得到fastQC报告以后，

image.png

解读：

# 此图中的横轴是测序序列第1个碱基到第101个碱基
# 纵轴是质量得分，Q = -10*log10（error P）即20表示1%的错误率，30表示0.1%
# 图中每1个boxplot，都是该位置的所有序列的测序质量的一个统计，上面的bar是90%分位数，下面的bar是10%分位数，箱子的中间的横线是50%分位数，箱子的上边是75%分位数，下边是25%分位数
# 图中蓝色的细线是各个位置的平均值的连线
# 一般要求此图中，所有位置的10%分位数大于20,也就是我们常说的Q20过滤
# 所以上面的这个测序结果，需要把后面的87bp以后的序列切除，从而保证后续分析的正确性
# Warning 报警 如果任何碱基质量低于10,或者是任何中位数低于25
# Failure 报错 如果任何碱基质量低于5,或者是任何中位数低于20

如前节所述，fastq文件包含有关读取序列质量的信息。read中每个核苷酸的可靠性是用Phred质量分数来衡量的，该分数表示错误的碱基调用的概率：（Phred = Q +33/64; 反应reads质量得分；计算过程 详见）

图中纵轴是质量得分，Q = -10*log10（error P）

式中，Q为质量值，P为误差概率，Phred quality score为20表示测序错误概率为1/100（即99%的准确率）；

常常用Q20来过滤，Q20代表测序的reads 测序准确的概率为99%；

如果再次检查fastq文件，您将看到该信息不是以数字格式显示的，而是以一组字符编码的。
在过滤步骤 filter fastq 中，我们将使用读取这些 ASCII 字符并将其转换为质量值quality values的工具，因此我们需要首先确定数据中使用的编码格式（是phred 33或phred 64）；

使用QA报告（在per base sequence quality section下）和Wikipedia条目中提供的FASTQ_format 的信息，您能猜出使用了哪种编码格式吗？

实例：

某一次我的fastQC报告显示：
测序仪器为--

image.png
根据FASTQ_format，查到Illumina1.9对应的编码格式为Phred+64:
image.png

正如我们所看到的，在处理高通量数据HTS data时，QA报告的可视化解释是非常有用的实践。然而，如果我们处理大量的数据（假设我们有1000个fastq文件要检查！），这将成为一个非常乏味的任务。谢天谢地，FastQC的开发人员已经想到了这一点。你能找出我们在这种情况下可以使用的这个软件的其他输出吗？

答案是：在处理大量数据时，我们可以考虑解析同一输出目录中提供的纯文本文件：summary.txt和fastqc_data.txt。