2020-04-16 Chip-seq -1

f4dfa885b6a56b2145a93971258914a.jpg

今天上午Gary讲了chip-seq的处理流程（Gary课讲得太好，比心），和之前shiqi讲的刚好可以串接起来，之前断断续续看过一些Jimmy Zeng大神的帖子，正好借着这个机会把他们整理一下，知识碎片拼一拼。

1.Ilumina测序原理

flowcell 是指Illumina测序时，测序反应发生的位置，
1个flowcell含有8条lanelane 每一个flowcell上都有8条泳道，用于测序反应，可以添加试剂，洗脱等等
tile 每一次测序荧光扫描的最小单位
reads 指测序的结果，1条序列一般称为1条
readsbp base pair 碱基对，用于衡量序列长度
双端测序 只一条序列可能比较长如500bp，我们可以两端每端各测150bp
junction 上面说的双端测序，中间会留有200bp测不到的东西，我们叫junction
adapter 就是测序中需要的一段特定的序列，有类似于引物的功能
primer PCR中的引物
illumina测序150bp长度的原因：
1 酶的活性
2 测序长度增加 杂信号会越来越多（想象有一部分一直在延迟）
------copy from 孟皓巍 知乎专栏

疑惑：对于adaptor不是很了解，包括10X建库的adaptor，听小组会的时候一到这一部分就懵，需要研究一下。

格式
1、mapping
input 下机的Fastq文件 构建好的index文件
output Sam/Bam文件

• Fastq
  对于下机的测序文件，我们想要知道在哪台机器上，哪一个flowcell，哪一个lane上面的测序，（鬼知道哪天哪台机器就出点什么问题，哪批flow cell质量不好，kidding），测得的序列具体是什么，以及测得的质量。这些都在Fastq文件上可以体现出来。
  WeChat Image_20200416211133.jpg
  对于质量值的解释，孟大神有很好的讲解。
  WeChat Screenshot_20200416210837.png
  其中，P指的是在测序仪进行测序的时候，会自动根据荧光信号的强弱给出一个参考的测序错误概率（error probility，P）。为了方便储存，对P 进行了数学变换，得到Q，对Q进行加33或者64得到Phred值，然后将Phred值于ASCII表对应来表示碱基的质量。搞这么复杂，目的就是为了用较小的存储位数表示较广的碱基质量范围。
  那么，大名鼎鼎的Q30，是什么意思呢？
  当Q =30的时候，Phred =30+33 =63 对应的ASCII 值为？
  相应的当Q =30时，根据上面的公式，P=0.1%
  就是说，当reads测序标准是 Q30的时候，每一个碱基的测序的准确率是99.9%，对应的测序质量值是“？”及以后，大部分看到的应该是字母。
  参考阅读：https://zhuanlan.zhihu.com/p/20731723