测序质量分析 —— FastQC

FastQC是一款依赖Java环境的高通量序列数据的质量控制工具，目的是为高通量测序的原始序列数据提供一种简单的质量控制检查方法。它提供了一组模块化的分析，在后续分析前，快速了解数据是否存在任何问题。

官网：
https://www.bioinformatics.babraham.ac.uk/projects/fastqc/

FastQC的主要功能有：

• 导入BAM、SAM 或者FastQ文件；
• 提供一个快速概述，告诉你哪些模块可能存在问题；
• 总结图表和表格，以快速评估数据；
• 将结果导出为HTML格式的报告；
• 离线操作，允许在不运行交互式应用程序的情况下自动生成报表。

官方说明书：
https://raw.githubusercontent.com/s-andrews/FastQC/master/INSTALL.txt

1.下载安装

选择合适的版本进行下载：
https://www.bioinformatics.babraham.ac.uk/projects/download.html#fastqc

$ unzip fastqc_v0.11.9.zip
$ cd /your/path/FastQC
$ chmod u+x fastqc
# 查看帮助文档测试
$ fastqc --help

2. 测序质量分析

2.1 单文件

$ fastqc -q -t 4 -o /fastqc_result/ /your/path/sample_R1_1.fq.gz

-q：安静运行，运行过程中不会生成报告，在结束时将报告生成一个文件
-t：调用核心数目
-o ../path/to/file ：文件输出位置
. fq.gz：输入文件

2.2 批量文件

$ fastqc -q -t 4 -o /fastqc_result/ /your/path/ *.fq.gz & 

*. fq.gz：输入文件，当前目录下所有名字中有“ .fq.gz ”的文件

3. 结果文件

每个测序文件的质检结果都包含两个文件，一个.html，一个.zip。

.html文件打开后，包含一些基础信息，需要关注的主要是GC含量、是否存在接头等。

• Per base sequence quality：各位置碱基质量，每个read各位置碱基的测序质量。横轴碱基的位置，纵轴是质量分数，Quality score=-10log10p（p代表错误率），所以当质量分数为40的时候，p就是0.0001，质量算高了。红色线代表中位数，蓝色代表平均数，黄色是25%-75%区间，触须是10%-90%区间。若任一位置的下四分位数低于10或者中位数低于25，出现“警告”；若任一位置的下四分位数低于5或者中位数低于20，出现“失败，Fail”。

  
  

• Per base sequence conten：碱基分布，对所有reads的每一个位置，统计ATCG四种碱基的分布，横轴为位置，纵轴为碱基含量，正常情况下每个位置每种碱基出现的概率是相近的，四条线应该平行且相近。当部分位置碱基的比例出现bias时，即四条线在某些位置纷乱交织，往往提示我们有overrepresented sequence的污染。本结果前10个位置，每种碱基频率有明显的差别，说明有污染。当任一位置的A/T比例与G/C比例相差超过10%，报'WARN'；当任一位置的A/T比例与G/C比例相差超过20%，报'FAIL'。

  
  

• Adapter content：接头含量

  
  

参考资料：
转录组分析学习笔记（持续补充） - 维鹏_wrx - 博客园 (cnblogs.com)

引用转载请注明出处，如有错误敬请指出。