跟小新老师学转录组的第二天

数据质量评估

FastQC软件可以对fastq格式的原始数据进行质量统计，评估测序结果，为下

一步修剪过滤提供参考。

FastQC主页：http://www.bioinformatics.babraham.ac.uk/projects/fastqc/

数据质控-fastqc的常用参数

数据质控-fastqc运行

脚本后台运行：nohup &

• nohup：no hang up（不挂起），退出终端不会影响程序的运行

• &：后台运行

方式一：直接运行（霸占你的控制台，霸占你的时间！）

fastqc -t 6 -o ./ SRR*.fastq.gz

方式二：在命令前后加上nohup &（适用于比较简单的命令，快捷方便！）

nohup fastqc -t 6 -o ./ SRR*.fastq.gz >qc.log &

方式三：将命令写入sh脚本，使用nohup &运行sh脚本（适用于比较长和复杂的命令）

nohup sh qc.sh > qc.log &

数据质控-Basic Statistics

数据量统计方式

生物学中单位

以碱基（对）数或者测序read数统计测序

数据量的大小

Ø b：表示base pairs，即碱基（对）

Ø M：Million，百万

Ø 1Mb = 10^6b，即10^6个b

Ø 1Gb = 10^3Mb，即10^9个碱基

###计算机中物理存储单位

Gb：Gigabyte，简写为G，是一种十进制

的信息计量单位，表述数据物理存储

Ø b：byte，表示字节数

Ø 1Mb = 1024kb

Ø 1Gb = 1024Mb

数据质控-Per base sequence quality

这幅图展示的是fq文件中每一个位置上的所有read的碱基质量值的一个箱式图。

比如，我的fq有25000个read，第一个位置上的base(碱基)就有25000个质量值，这个值画成第一个箱子，依此往后推

数据质控-MultiQC报告

使用MultiQc整合FastQC结果 https://multiqc.info/

过滤低质量

数据过滤-过滤条件

测序得到的原始序列含有接头序列或低质量序列，为了保证信息分析的准确性，

需要对原始数据进行质量控制，得到高质量序列（即Clean Reads），原始序列质量控制的标准为：

(1) 去除含接头的reads；

(2) 过滤去除低质量值数据，确保数据质量；

(3) 去除含有N（无法确定碱基信息）的比例大于5%的reads；

数据过滤-trim_galore

trim_galore官网：http://www.bioinformatics.babraham.ac.uk/projects/trim_galore/

数据过滤-trim_galore常用参数

数据过滤-trim_galore的命令

任务管理

1.任务投递：

前台运行：直接运行

后台运行：nohup，&

前台转后台/后台转前台：bg/fg

2.终止任务：

暂停：Ctrl+Z

终止：Ctrl+C，kill

3.任务查看：

top

ps fxww

jobs

如何检查脚本内容：echo命令

cat ID | while read id
do
echo “ trim_galore --phred33 -q 20 --length 36 --max_n 3 --stringency 3 --fastqc --paired -o ${cleandata} ${rawdata}/${id}_1.fastq.gz ${rawdata}/${id}_2.fastq.gz “ 
done

过滤后的cleantada带有fq结尾的文件：

SRR1039510_1_val_1.fq.gz

SRR1039510_2_val_2.fq.gz

fastqc报告结果，带有fastqc结尾的文件

SRR1039510_1_val_1_fastqc.html

SRR1039510_1_val_1_fastqc.zip

SRR1039510_2_val_2_fastqc.html

SRR1039510_2_val_2_fastqc.zip

trim_galore运行过滤参数等细节文件，带有

trimming_report关键字。

SRR1039510_1.fastq.gz_trimming_report.txt

SRR1039510_2.fastq.gz_trimming_report.txt

数据过滤-fastp

小技巧：\的妙用

表示手动换行，命令较长时，可以手动换行让命令可读性更高，更美观。

Note：\的后面不能有空格

过滤后的cleandata，fq结尾：

SRR1039510_1.fastp.fq.gz

SRR1039510_2.fastp.fq.gz

过滤后的报告，html结尾：

SRR1039510.html