谁能告诉我,这数据测毁了么?

作者往期投稿: 高通量数据下载还能这样操作?

本次目的与任务:了解fastq测序数据

需要用安装好的sratoolkit把sra文件转换为fastq格式的测序文件,并且用fastqc软件测试测序文件的质量。

作业:理解测序reads,GC含量,质量值,接头,index,fastqc的全部报告,搜索中文教程,并发在论坛上面。

SRA文件转换为fastq文件

用sratoolkit将NCBI上下载的sra文件转换成fastq文件,以便进行下一步的QC。该工具的安装与介绍在转录组入门1中已经有所介绍。这里我再回顾一下sratoolkit的使用:

阅读官方文档

https://trace.ncbi.nlm.nih.gov/Traces/sra/sra.cgi?view=toolkit_doc ,我们的目的是把测序sra文件转换为fastq文件,因此点击“fastq-dump”进一步阅读。

查看本地帮助

从进入的这个页面我们能大概了解到fastq-dump命令的基本用法。

然后我在本地的CentOS上又运行了帮助命令 来查看本地版的命令说明。

fastq-dump -h #显示帮助

显然,本地的帮助说明更详细一点。

先看用法:fastq-dump [各种参数] <输入文件的登录号或者路径>

其中,[各种参数]在帮助中有详细介绍,根据博主@徐洲更以及@沈梦圆的文章介绍,我们常用到的参数主要是以下两部分的:

关于输出:

-O 指定输出路径--gzip 指定输出格式为gzip压缩格式(fastqc软件可以直接识别gzip压缩的文件)--bzip2 指定输出格式为bzip2压缩格式**多个文件参数**--split-3 如果是双端测序数据,则输出两个文件,如果不是则只输出一个文件。

明白了fastq-dump的常用参数,我们就得到了转换sra文件的套路

fastq-dump --gzip --split-3 -O path -A accession

具体到我们下载的数据,可以直接用@徐州更博文中的命令进行转换

for i in `seq 56 62`do     fastq-dump --gzip --split-3 -O ./fastq/ -A SRR35899${i}.sradone

以上命令在vim中编辑,保存为.sh文件后,通过bash运行,注意seq前的撇不是单引号。

查看转换结果

转换后生成一系列以.sra1.fastq.gz以及.sra2.fastq.gz结尾的压缩文件。

fastqc检测测序文件质量

多个文件批量进行QC

进入转换后fastq.gz文件所在的文件中,用以下命令生成批量运行的脚本

ls ./*fastq.gz | xargs -i echo fastqc -o ./fastqc_result --nogroup {} \& > fastqc.sh 

运行结果会生成一个名称为fastqc.sh的脚本,运行该脚本即可对当前文件夹下的fastq.gz文件进行QC。

bash fastqc.sh

查看QC结果

单独查看

关于单独的QC结果文件,大家可以看我以前的几个入门帖子了解基本知识。 https://zhuanlan.zhihu.com/p/24608131?group_id=871001548837228544

知乎上@孟浩巍也有写过QC结果的解读,推荐阅读: https://zhuanlan.zhihu.com/p/20731723

MultiQC汇总查看

MultiQC是一款批量查看QC结果的软件,大大节省了我们打开多个QC结果文件的时间,具体使用方式可以查看我的知乎专栏上的介绍: https://zhuanlan.zhihu.com/p/27646873

FastQC报告中哪些是值得关注的

FastQC报告的具体解读可以参考文末参考文献,其中值得重点关注的部分主要是:

  • basic statistics
  • per base sequence quality
  • per base sequcence content
  • adaptor content
  • sequence duplication levels

主要的几个指标是GC含量,Q20和Q30的比例以及是否存在接头(adaptor)、index以及其他物种序列的污染等。

参考文献: 基因课课程《测序数据过滤与质控》( http://genek.tv )
  1. 徐洲更的博文《转录组入门(3):了解fastq测序数据》(微信搜一搜中搜索徐洲更,或者生信媛)
  2. 沈梦圆的博文《PANDA姐的转录组入门(3): 了解fastq测序数据 》(微信公众号:沈梦圆)
  3. 孟浩巍知乎专栏文章《20160410测序分析-使用FastQC做质控》
  4. 用FastQC检查二代测序原始数据的质量( https://www.plob.org/article/5987.html )

编辑:思考问题的熊

原文发布于微信公众号 - 生信技能树(biotrainee)

原文发表时间:2017-07-21

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏SDNLAB

OpenFlow网络中的路由服务

这里,所谓OpenFlow网络指的是相互连接的一组OpenFlow交换机的集合,并且这些交换机全部置于一个OpenFlow Controller或一个OpenF...

3538
来自专栏FreeBuf

偏执的iOS逆向研究员:收集全版本的macOS iOS+越狱+内核调试

Intro 虽然“只有偏执狂才能够生存”这句话已经被假药停给毁了,但是作为一只有逼格的高大上的iOS逆向分析研究员,难道如果有现成的macOS/iOS全版本镜像...

3447
来自专栏Samego开发资源

Linux服务器实现时间一致同步

2005
来自专栏编程

Android图片压缩的几种方案

各位同学早上好,今天推荐的是Hensen同学的原创投稿文章,本文将为你介绍Android平台上几种压缩图片的方案。 效果演示 直接先给大家对比几种图片压缩的效果...

1795
来自专栏Zephery

谈谈个人网站的建立(五)—— 小集群的部署

欢迎访问我的个人网站O(∩_∩)O哈哈~希望大佬们能给个star,个人网站网址:http://www.wenzhihuai.com,个人网站代码地址:https...

3413
来自专栏机器之心

入门 | 始于Jupyter Notebooks:一份全面的初学者实用指南

2197
来自专栏指尖下的Android

Visual Studio 控制台中文乱码Bug

对vs不是很熟,百度了一下,有的告诉你设置编码格式,还有的让你去下载一个插件ForceUTF8 ,然后都是辣鸡,并没有卵用,最后解决在控制台上方的白色区域右键选...

891
来自专栏CSDN技术头条

创建你的 AI 应用!

你也许会觉得: AI 程序员这么优秀,是因为他们聪明,而我只能笨鸟先飞,勤能补拙喽,当然不是!只要你掌握 AI 程序开发,还怕老板不追着你加工资?!

563
来自专栏计算机视觉与深度学习基础

计算机视觉与图像处理学习笔记(二)win32+mingw+opencv搭建

本来是想接着第二章学习的,但是感觉理论性有点强,了解基本概念后还是从Opencv来,遇到问题再切换。 关于opencv的下载与配置参考: http://open...

1939
来自专栏企鹅号快讯

如何解决web系统session劫持

往期精选 session劫持是一种比较复杂的攻击方法。大部分互联网上的电脑多存在被攻击的危险。这是一种劫持tcp协议的方法,所以几乎所有的局域网,都存在被劫持 ...

19110

扫码关注云+社区