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 >R|fastqcr QC数据处理

R|fastqcr QC数据处理

作者头像
生信补给站
发布2020-08-06 10:49:11
9300
发布2020-08-06 10:49:11
举报
文章被收录于专栏:生信补给站

FastQC是一款较常用的高通量数据质控软件,每个样本会得到一个zip和html的结果文件,查看略有不便。

fastqcr R包可以整理并分析多样不的zip格式的结果报告,当然也可以直接做fastQC分析。

一 加载安装R包

代码语言:javascript
复制
install.packages("fastqcr")
library(fastqcr)

二 R跑FastQC程序

代码语言:javascript
复制
fastqc(fq.dir = "~/Documents/FASTQ", # FASTQ files directory
      qc.dir = "~/Documents/FASTQC", # Results direcory
      threads = 4                    # Number of threads
      )

三 Fastcq结果整理绘图

3.1 读入fastqc的zip结果文件

代码语言:javascript
复制
qc.dir <- system.file("fastqc_results", package = "fastqcr")
qc.dir
# [1] "C:/Users/MJ/Documents/R/win-library/3.3/fastqcr/fastqc_results"

查看文件夹中文件

代码语言:javascript
复制
list.files(qc.dir)
#[1] "A1.R2.clean_fastqc.zip" "A1_R1.clean_fastqc.zip" "A2.R1.clean_fastqc.zip"
#[4] "A2.R2.clean_fastqc.zip"

3.2 整体统计结果 Aggregate & summary

1)Aggregate函数,Sample的基本统计;qc_stats()类似

代码语言:javascript
复制
qc <- qc_aggregate(qc.dir)
head(qc,3)
 sample                      module        status tot.seq seq.length pct.gc pct.dup
 <chr>                       <chr>         <chr>  <chr>   <chr>       <dbl>   <dbl>
1 170197A-Ti-1.R1.clean.fq.gz Basic Statis~ PASS   364589~ 150           51.    18.0
2 170197A-Ti-1.R1.clean.fq.gz Per base seq~ PASS   364589~ 150           51.    18.0
3 170197A-Ti-1.R1.clean.fq.gz Per tile seq~ WARN   364589~ 150           51.    18.0

其中:

代码语言:javascript
复制
sample: sample names
module: fastqc modules
status: fastqc module status for each sample
tot.seq: total sequences (i.e.: the number of reads)
seq.length: sequence length
pct.gc: percentage of GC content
pct.dup: percentage of duplicate reads

2)summary函数,Module的基本统计

代码语言:javascript
复制
head(summary(qc),3)

module nb_samples nb_fail nb_pass nb_warn failed warned

代码语言:javascript
复制
  <chr>                 <dbl>   <dbl>   <dbl>   <dbl> <chr>                   <chr>
1 Adapter Content          4.      0.      4.      0. NA                      NA    
2 Basic Statistics         4.      0.      4.      0. NA                      NA    
3 Kmer Content             4.      4.      0.      0. 170197A-Ti-1.R1.clean.~ NA        

其中:

代码语言:javascript
复制
module: fastqc modules
nb_samples: the number of samples tested
nb_pass, nb_fail, nb_warn: the number of samples that passed, failed and warned, respectively.
failed, warned: the name of samples that failed and warned, respectively.

3)dplyr函数

aggregated完可以使用dplyr得到重点关注的信息:如WARN和FALL样本:

代码语言:javascript
复制
library(dplyr)
qc %>%select(sample, module, status) %>% filter(status %in% c("WARN", "FAIL")) %>%arrange(sample)  sample                       module                    status
  <chr>                        <chr>                     <chr>
1 170197A-Ti-1.R1.clean.fq.gz  Per tile sequence quality WARN  
2 170197A-Ti-1.R1.clean.fq.gz  Per sequence GC content   WARN  
3 170197A-Ti-1.R1.clean.fq.gz  Kmer Content              FAIL  

附:dplyr简单介绍 dplyr

3.3 异常信息统计

1) Module异常:qc_warns & qc_problems函数

代码语言:javascript
复制
qc_warns(qc, "module") # See which module warned in the most samples
 module                    nb_problems sample                                      
 <chr>                           <int> <chr>                                      
1 Per sequence GC content             4 170197A-Ti-1.R1.clean.fq.gz, 170197A-Ti-1.R~
2 Per tile sequence quality           2 170197A-Ti-1.R1.clean.fq.gz, 170197A-Ti-10.~

查看特定模块的异常

代码语言:javascript
复制
qc_problems(qc, "module",  name = "Per sequence GC content")
 module                  nb_problems sample                       status
 <chr>                         <int> <chr>                        <chr>
1 Per sequence GC content           4 170197A-Ti-1.R1.clean.fq.gz  WARN  
2 Per sequence GC content           4 170197A-Ti-1.R2.clean.fq.gz  WARN  
3 Per sequence GC content           4 170197A-Ti-10.R1.clean.fq.gz WARN  
4 Per sequence GC content           4 170197A-Ti-10.R2.clean.fq.gz WARN  

2)Sample 异常 : qc_fails & qc_problems 函数

代码语言:javascript
复制
qc_problems(qc, "sample", compact = FALSE) #fail 和 warn的 ,compact展示方式
sample                       nb_problems module                    status
  <chr>                              <int> <chr>                     <chr>
1 170197A-Ti-1.R1.clean.fq.gz            3 Kmer Content              FAIL  
2 170197A-Ti-1.R1.clean.fq.gz            3 Per tile sequence quality WARN  
3 170197A-Ti-1.R1.clean.fq.gz            3 Per sequence GC content   WARN  
4 170197A-Ti-1.R2.clean.fq.gz            3 Per tile sequence quality FAIL  
5 170197A-Ti-1.R2.clean.fq.gz            3 Kmer Content              FAIL  
6 170197A-Ti-1.R2.clean.fq.gz            3 Per sequence GC content   WARN  

四 绘图及生成报告

4.1 导入单个样本fastq结果

代码语言:javascript
复制
qc.file <- system.file("fastqc_results", "170197A-Ti-1.R1.clean_fastqc.zip", package = "fastqcr")
qc <- qc_read(qc.file) #读入qc的结果,后续绘图使用
names(qc) #查看包含的元素

4.2 绘制样本基本图形

代码语言:javascript
复制
qc_plot(qc, "Per sequence GC content")
qc_plot(qc, "Per base sequence quality")
qc_plot(qc, "Per sequence quality scores")
qc_plot(qc, "Per base sequence content")
qc_plot(qc, "Sequence duplication levels")

4.3 生成单样本网页报告

1)图形有解释信息的报告

代码语言:javascript
复制
qc_report(qc.file, result.file = "one-sample-report-with-interpretation",interpret = TRUE)

在工作目录下生成html的网页报告,图形含有解释信息(如下),表格可交互。

2)图形无解释信息的报告

代码语言:javascript
复制
qc_report(qc.file, result.file = "one-sample-report",interpret = FALSE)

4.4 多样本网页报告

代码语言:javascript
复制
qc.dir <- system.file("fastqc_results", package = "fastqcr")
qc_report(qc.dir, result.file = "~/Desktop/multi-qc-result",experiment = "Exome sequencing")

五 参考资料

fastqcr: An R Package Facilitating Quality Controls of Sequencing Data for Large Numbers of Samples

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:2018-04-26,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 生信补给站 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