前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >(10)仿写fastqc-生信菜鸟团博客2周年精选文章集

(10)仿写fastqc-生信菜鸟团博客2周年精选文章集

作者头像
生信技能树
发布2018-03-08 09:52:50
8500
发布2018-03-08 09:52:50
举报
文章被收录于专栏:生信技能树

用仿写软件的方法来学习编程

我首先仿写了fastqc软件,学会了很多基础知识:

仿写fastqc软件的一些功能-R代码

仿写fastqc软件的部分功能-perl代码

仿写fastqc软件的部分功能(上)

前面我们介绍了fastqc这个软件的使用方法 http://www.bio-info-trainee.com/?p=95 ,这是一个java软件,但是有些人服务器没有配置好这个java环境,导致无法使用,这里我贴出几个perl代码,也能实现fastqc的部分功能

统一测试文件是illumina的phred33格式的fastq文件,共100000/4=25000条reads,读长都是101个碱基

程序名-fastq2quality.pl

使用命令:perl fastq2quality.pl SRR504517_1.fastq >quality.txt

功能: 把fastq格式的每条原始reads的第四行ascii码质量值,转换为Q值并输出一个矩阵,有多少条reads就有多少行,每条reads的碱基数就是列数。

[perl] while (<>){

next unless $.%4==0;

chomp;

s/\r//g;

@F=split//;

foreach (@F){

$num=ord($_);

$num-=33;

print "$num\t";

}

print "\n";

} [/perl]

统计结果如下

程序名-fastq2meanQ.pl

使用命令:perl fastq2meanQ.pl SRR504517_1.fastq

功能: 把fastq格式的原始reads统计每条reads的平均Q值,并画出Q值1到50各有多少条reads的分布图

[perl] while (<>){

next unless $.%4==0;

chomp;

s/\r//g;

@F=split//;

$mean=0;

$sum=0;

foreach (@F){

$num=ord($_);

$num-=33;

$sum+=$num;

}

$mean=int($sum/@F);

$hash{$mean}++;

}

print "$_ \t$hash{$_}\n" foreach sort {$a<=>$b} keys %hash; [/perl]

统计结果如下

程序名-fastq2fivenum.pl

使用命令:perl fastq2fivenum.pl SRR504517_1.fastq

功能: 把fastq格式的每条原始reads的第四行ascii码质量值,转换为Q值,并对每一个位点统计所以reads的四分位数,加上平均数。

[perl] use List::Util qw/max min sum maxstr minstr shuffle/;

while (<>){

next unless $.%4==0;

chomp;

s/\r//g;

@F=split//;

foreach (0..@F-1){

$num=ord($F[$_]);

$num-=33;

$tmp[$_]->{$num}++;

}

}

print "num\tmean\tmin\tq25\tq50\tq75\tmax\n";

$i=0;

foreach $hash (@tmp){

$sum_reads=sum values %{$hash};

$num_q25=int($sum_reads/4);

$num_q50=int($sum_reads/2);

$num_q75=int(3*$sum_reads/4);

$sum_Q=0;

$sum_value=0;

foreach (sort {$a<=>$b} keys %{$hash}){

#print "$_ \t$hash->{$_}——"

$sum_Q+=$_ * $hash->{$_};

$q25_before=($sum_value<$num_q25);

$q50_before=($sum_value<$num_q50);

$q75_before=($sum_value<$num_q75);

$sum_value+=$hash->{$_};

$q25_last=($sum_value>$num_q25);

$q50_last=($sum_value>$num_q50);

$q75_last=($sum_value>$num_q75);

$q25=$_ if $q25_before && $q25_last;

$q50=$_ if $q50_before && $q50_last;

$q75=$_ if $q75_before && $q75_last;

}

$mean=$sum_Q/$sum_reads;

$min=min keys %{$hash};

$max=max keys %{$hash};

$i++;

print "$i\t$mean\t$min\t$q25\t$q50\t$q75\t$max\n";

} [/perl]

统计结果文件如下

最后一个,统计GC含量

程序名-fastq2meanGC.pl

使用命令:perl fastq2meanGC.pl SRR504517_1.fastq

功能: 把fastq格式的原始reads统计每条reads的平均Q值,并画出Q值1到50各有多少条reads的分布图

[perl]</pre> while (<>){

next unless $.%4==2;

chomp;

s/\r//g;

@F=split//;

$GC=0;

foreach (@F){

$GC++ if /G/;

$GC++ if /C/;

}

#print "$GC\n";

$GC=int(100*$GC/length);

$hash{$GC}++;

}

print "$_ \t$hash{$_}\n" foreach sort {$a<=>$b} keys %hash; <pre>[/perl]

结果如下所示

这个我将会在下一篇讲诉如何用R画图

仿写fastqc软件的一些功能(下)

文件来自于上面perl代码的输出文件,好像算法有点问题,26G的文件居然处理近一个小时才出数据!

R语言本身自带的画图工具都很丑,懒得说了,可以用ggplot2来重新画一个,不是项目要求没有报酬我就懒得画了,大家面前看看画图原理即可。

a=read.table(“meanQ.txt”)

看看数据结构如下

> head(a)

V1 V2

1 2 93879

2 3 17800

3 4 25295

4 5 33259

5 6 55685

6 7 84866

plot(a,type=’l’,col=’red’,ylab=’reads number’,xlab=’mean quality’,main=’mean Q distribution’)

可以看出绝大部分的reads的Q值都在30-35直接,也就是说本次测序挺符合要求的,但是还是需要对那些平均Q20以下的reads过滤掉。

a=read.table(‘meanGC.txt’)

看看数据结构如下

> head(a)

V1 V2

1 0 503

2 1 151

3 2 163

4 3 179

5 4 315

6 5 443

plot(a,type=’l’,col=’red’,ylab=’reads number’,xlab=’reads bp’,main=’GC% distribution’)

可以看出GC含量的分布看起来挺符合正态分布的,大部分reads的GC含量都是在40%-60%直接

a=read.table(‘fivenum.txt’,header=T)

看看数据结构如下

boxplot(t(a[,3:7]),xlab=’reads bp’,ylab=’Q value’,main=’mean Q boxplot’)

可以看出测序质量从1-100bp过去质量越来越差,但是大部分都是高于Q30,但是88bp之后的碱基测序质量不咋地,可能需要trim掉

对于这个数据还可以画一个图

plot(a[,1:2],type=’l’,col=’red’,ylab=’Q value’,xlab=’reads bp’,main=’mean Q value distribution’)

可以看到88bp之后的平均Q值小于30,根据我们的阈值可能要把所有的reads的后面约10个bp的碱基要trim掉

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2017-01-06,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 生信技能树 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档