转录组分析起步-测序质控

今天是生信星球陪你的第70天

你想找辆共享单车，发现满街都是别家车，没有一辆你能骑。

你想学点生信，搜了“初学者教程”，满眼尽是高大上，没有一句能看懂。

终于你跨越茫茫宇宙，来到生信星球，发现了初学者的新大陆！

终于时隔将近两个月，花花也学到了质控啦！

1.用到的数据格式

这里涉及到一个以前讲过的fastq格式。一共四行，有用的也就两行吧。第二行：碱基序列，第四行：质量值。一三行不是没用，只是非重点。

这是一个fastq文件的解释。

fasta和fastq的示例和区别

至于fastq第一行的用冒号隔开的每一个字符串是什么意思，上图也有说明。佩服豆豆的配图。

2.用到的软件--fastqc

（1）自动挡：conda install fastqc -y

（2）手动挡

首先新建文件夹mkdir fastqc && cd fastqc，放哪里看自己心情咯 - -> 然后去下载 https://www.bioinformatics.babraham.ac.uk/projects/fastqc/fastqc_v0.11.7.zip 再修改权限chmod 755 fastqc 一般服务器的java是配置好的，如何检查？java -version 如果自己的目录中没有，服务器其他目录中也会有，拷贝到自己的环境变量就好 cp xxx的java ~/.bashrc。如果自己有root权限可以自己安装，这个教程这里先不展开，有需要的自行搜索。 (来自豆豆)

3.质控命令

新手级：

进阶：

解释：

直接fastqc

新建存放结果的目录。-o选项是输出的意思。会将结果文件输出到你指定的目录下。

在此补充听课中get到的一个关于脚本的技巧：默认是执行完第一行命令，再开始第二行。在每行行尾添加&后，第二行命令不需要等待第一行运行结束再开始执行。

在每行行首添加，则可以避免你的笔记本断网对脚本执行的影响。

4.质控结果

质控生成的结果文件有两个：一个是zip，另一个是html。

用filezila将html文件传输到电脑（这里忘记的请参考

给你一根数据线

）

用浏览器打开，会显示一堆图片

映入眼帘的是这些陌生的图图。

左侧导航显示了11个质控结果图的名称。对错和警告，都仅作参考。简称“就当没看见”。

其中最重要的就是per base sequence quality（A、B）。就每个位置的碱基质量情况给出一个直观的描述。

绿、橘黄、红颜色一次代表了质量从高到低。一般公司返回的数据都是比较靠谱的，质量不错。

此处再次盗用豆豆的图O(∩_∩)OC、D两图则是四种碱基的比例分布。理论上，A=T，C=G，但事实是，在测序添加接头等过程中并不是所有的序列都能被测到，所以相当于一个随机抽样，在测序量足够大的情况下A≈T，C≈G，则说明测序质量好。

E/F是GC含量，测序越随机，结果越美好。

5.数据常见问题

（1）低质量

（2）Adapter序列

（3）细菌污染

（4）reads过短

肿么处理？下一个工具走起！

走喽！这篇推送还是写的很惬意的。ps：明天看牙医，看到这里的朋友后台留言一下啊。

初学生信，很荣幸带你迈出第一步。