基因组数据过滤、比对简介

FastQ格式：

（1）第一行以“@”开头，随后为Illumina测序标识别符（Sequence Identifiers）和描述文字（选择性部分）；
（2）第二行是碱基序列；
（3）第三行以“+”开头，随后为Illumina测序标识别符（选择性部分）；
（4）第四行是对应碱基的测序质量，该行中每个字符对应的ASCII值减去33，即为对应第二行碱基的测序质量值。

碱基质量介绍

FASTA格式

FASTA格式首先以大于号“>”开头，接着是序列的标识符，然后是序列的描述信息。换行后是序列信息，序列中允许空格、换行和空行，直到下一个大于号，表示该序列的结束。

有参转录组分析流程

过滤流程

cutadapt--去除接头污染

cutadapt –a/-g  ADAPTER input.fq  >  output.fq
 Trim PairEnd Reads:
cutadapt -a ADAPTER_FWD -A ADAPTER_REV -o out.1.fq -p out.2.fq reads.1.fq reads.2.fq

BWA比对

第一步: 建立 Index

bwa index [-p prefix] [-a algoType] <in.db.fasta>

-p 输出文件的前缀，默认是输入文件
-a 建库的算法，默认是is（ bwtsw  是用于大基因组建库>2Gb,is是用于小基因组建库<2Gb）
例子：bwa index ref.fa

第二步: 比对

bwa mem [options] <idxbase> <in1.fq> [in2.fq]   
bwa mem reference.fa read1.fq read2.fq > aln-pe.sam