专栏首页生信修炼手册使用trim_galore对NGS数据进行质量过滤

使用trim_galore对NGS数据进行质量过滤

欢迎关注”生信修炼手册”!

cutadapt软件可以对NGS数据进行质量过滤,FastQC软件可以查看NGS数据的质量分布,trim_galore将这两个软件封装到一起,使用起来更加的方便。 官网如下

https://www.bioinformatics.babraham.ac.uk/projects/trim_galore/

该软件会对数据进行以下4步处理

1. 去除reads 3’端的低质量碱基

illumina平台的测序数据,通常3’端质量较差。trim_galore首先会过滤掉3’端的低质量碱基,本质上是调用了cutadapt的质量过滤算法。下图是过滤前后碱基质量的分布图

可以看到,过滤掉低质量碱基后,序列的整体质量显著提高。

2. 去除adapter序列

过滤掉低质量的碱基之后,trim_galore会调用cutadapt在reads的3’端查找adapter 序列并去除。通常情况下,我们需要指定对应的adapter序列,如果没有指定的化,trim_galore会自动查找以下3种类型的adapter

Illumina:   AGATCGGAAGAGC
Small RNA:  TGGAATTCTCGG
Nextera:    CTGTCTCTTATA

默认读取前一百万条序列,通过这一百万条序列判断adapter属于上述三种的哪一种,然后进行去除。如果你不希望软件自动判断,也可以通过--illumina, --nextera, --small_rna参数指定对应的adapter类型。

3. 去除长度太短的序列

经过上述两步处理之后,有可能剩余的序列长度很短,这部分短序列也会被去除。默认情况下,如果序列长度少于20bp, 这条序列会被丢掉。

4. 其它过滤

对于所有的输入序列,以上3个步骤是肯定会执行的。除此之,trim_galore还支持一些其他的过滤措施,以满足个性化的需求。

hardtrim5参数用于从序列的3’端切除碱基,示意如下

before:         CCTAAGGAAACAAGTACACTCCACACATGCATA
--hardtrim5 20: CCTAAGGAAACAAGTACACT

通过hardtrim5参数可以将序列截取成固定长度。与之对应的,还有一个hardtrim3参数,从序列的5’端切除碱基,示意如下

before:         CAAATGTTATTTTTAAGAAAATGGAAAAT
--hardtrim3 20:          TTTTTAAGAAAATGGAAAAT

软件的安装也很方便,首先需要确保cutadaptfastqc这两个软件已经安装,并且可执行文件位于PAH环境变量定义的路径种。然后下载trim_galore的源代码包,解压即可,代码如下

wget https://github.com/FelixKrueger/TrimGalore/archive/0.5.0.tar.gz
tar xzvf 0.5.0.tar.gz

在软件的安装目录有一个名为trim_galore的可执行文件。

对于单端测序数据,基本用法如下

trim_galore  --quality 20 -a AGATCGGAAGAGC --length 20  -o out_dir  input.fq

对于双端测序数据,基本用法如下

trim_galore --paired --quality 20 -a AGATCGGAAGAGC   -a2 AGATCGGAAGAGC --length 20  -o out_dir  R1.fq.gz R2.fq.gz

更多的参数和用法请参考官方帮助文档。

·end·

—如果喜欢,快分享给你的朋友们吧—

本文分享自微信公众号 - 生信修炼手册(shengxinxiulian),作者:lzyg

原文出处及转载信息见文内详细说明,如有侵权,请联系 yunjia_community@tencent.com 删除。

原始发表时间:2018-09-03

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。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 使用Clustal进行多序列比对

    多序列比对在保守区域鉴定,系统发育分析,motif识别等多个领域发挥重要作用,是生物信息数据分析必备的基础技能之一。Clustal是一款经典的多序列比对工具,支...

    生信修炼手册
  • 详解参考基因组的下载方式

    在数据分析中,经常需要下载物种的参考基因组序列。通常情况下,可以考虑以下3个数据库

    生信修炼手册
  • SAM/BAM文件格式简介(二)

    本文重点介绍下SAM文件中比对部分的含义,比对部分的信息是\t分隔的11列文件,每列的含义如下

    生信修炼手册
  • 3️⃣ 多序列比对(1):简介

    多序列比对是对3条以上(包括3条)DNA,RNA或蛋白序列进行比对。基础仍然是双序列比对。 具体就是对多条序列插入空位,是的插入空位后的全局比对结果有相同的长...

    Y大宽
  • “序列分析基础”是什么

    小伙伴的某个考试有少部分生物信息学内容,她没涉及过这些内容。但有个大概复习大纲,其中有一些题目。因为时间紧迫,我就直接给她讲了讲。但是有一个题,题目是《序列分析...

    Y大宽
  • 时间序列基础知识

    所谓时间序列就是按照时间的顺序记录的一列有序数据。对时间序列进行观察、研究,找寻它变化发展的规律,预测它将来的走势就是时间序列分析。在日常生产、生活中,时间序列...

    fireWang
  • 软件安全性测试(连载15)

    顾翔老师近期推出一对一入职面试辅导。有兴趣者可加微信xianggu19720625与我联系。先要提供简历初选,合适者进一步洽谈。

    小老鼠
  • LINQ查询操作符 LINQ学习第二篇

    一、投影操作符 1. Select Select操作符对单个序列或集合中的值进行投影。下面的示例中使用select从序列中返回Employee表的所有列: ...

    hbbliyong
  • PAT乙级题目答案汇总PAT (Basic Level) Practice (中文)

    专栏链接 https://blog.csdn.net/shiliang97/category_9294537_2.html

    韩旭051
  • CSS3中用background-image实现粒子动画效果

    继续前几天的文章《王者荣耀匹配人员加载页面动画用纯CSS撸出来,你信吗?》,添加按钮、背景粒子动画效果。

    Javanx

扫码关注云+社区

领取腾讯云代金券