- 相關(guān)推薦
如何對(duì)二代測(cè)序數(shù)據(jù)進(jìn)行質(zhì)量分析？
從事生物信息學(xué)分析的學(xué)生和工作人員都會(huì)接觸到二代測(cè)序數(shù)據(jù)，我們從測(cè)序公司拿到所需要的數(shù)據(jù)之后，首先最關(guān)心的問(wèn)題就是測(cè)序數(shù)據(jù)的質(zhì)量好不好，本文介紹一下如何對(duì)二代測(cè)序數(shù)據(jù)進(jìn)行質(zhì)量分析(QC)
工具/原料
linux系統(tǒng)：ubuntu 或者 服務(wù)
fastqc
方法/步驟
1
安裝fastqc
注意將fastqc加入到系統(tǒng)環(huán)境變量中，以便于在終端或命令行中直接運(yùn)行
具體安裝方法參考fastqc官方手冊(cè)
2
在命令行中直接運(yùn)行命令
fastqc [-o output dir] [--(no)extract] [-f fastq|bam|sam] [-c contaminant file]
output dir指的是輸出結(jié)果路徑
extract參數(shù)指的是輸出結(jié)果是否解壓
-f 參數(shù) 是輸入文件的格式，指的是測(cè)序數(shù)據(jù)
3
運(yùn)行fastqc：
fastqc seqfile1.fq seqfile2.fq
4
輸出結(jié)果：在output dir目錄下的一個(gè)壓縮文件(未壓縮)
通常我們只需關(guān)注如下幾個(gè)結(jié)果
1 每個(gè)位置的堿基測(cè)序質(zhì)量。通常我們一般認(rèn)為從第二個(gè)堿基開(kāi)始，平均每個(gè)堿基的測(cè)序質(zhì)量boxplot下四分位線(xiàn)在30分以上，則認(rèn)為測(cè)序質(zhì)量非常好
5
2.每條序列的測(cè)序質(zhì)量 一般認(rèn)為90%的reads測(cè)序質(zhì)量在35分以上，則認(rèn)為該測(cè)序質(zhì)量非常好
6
3. ATCG堿基在各個(gè)位置上的分布 一般來(lái)說(shuō)，AT含量高于CG含量，AT含量約28%，CG含量約22%。由于測(cè)序問(wèn)題，通常第一二位置的堿基測(cè)序質(zhì)量比較低，ATCG含量也不正常。這種情況不影響數(shù)據(jù)質(zhì)量，如果實(shí)在介意，可在后續(xù)bowtie mapping的時(shí)候?qū)⑶皟蓚�(gè)堿基去掉
【如何對(duì)二代測(cè)序數(shù)據(jù)進(jìn)行質(zhì)量分析？】相關(guān)文章：
店鋪的數(shù)據(jù)分析該如何來(lái)做06-17
數(shù)據(jù)分析報(bào)告07-28
大數(shù)據(jù)分析07-20
大數(shù)據(jù)分析07-25
多維數(shù)據(jù)分析方法04-07
數(shù)據(jù)分析常用方法07-26