全基因组测序——贰.质控

质控

高通量测序数据下机后的原始fastq文件，包含4行，其中一行为质量值，另外一行则为对应序列，得到下机数据后我们首先进行质量检测，详细见质量检测：FastQC
然后进行质量控制，这个过程包括去接头、过滤低质量reads、去除低质量的3’和5’端，去除N较多的reads等

常用软件：

Fastx_Toolkit:

二代测序经典数据质控过滤软件
具体使用见https://www.jianshu.com/p/c9007e87190f

0.0.13/fastx_quality_stats -i ./1.QC/aaa_trim1.fq -Q 33 -o ./2.rawstat/aaa_1.fastx.stats

Trimmomatic:

java -jar trimmomatic-0.36.jar SE -phred33 \
     -trimlog untreated.logfile \
     raw_data/untreated.fq u.trimmomatic.fq 
     SLIDINGWINDOW:5:20 LEADING:5 TRAILING:5 MINLEN:20

使用手册：http://www.usadellab.org/cms/uploads/supplementary/Trimmomatic/TrimmomaticManual_V0.32.pdf

cutadapt:

适合去除接头
使用手册https://cutadapt.readthedocs.io/en/stable/guide.html

sickle:

适合用来切除read末尾低质量碱基
使用手册：https://github.com/najoshi/sickle/blob/master/README.md

sickle se -f raw_data/untreated.fq -t sanger -o u.sickle.fq
SE input file: raw_data/untreated.fq
Total FastQ records: 250000
FastQ records kept: 249742
FastQ records discarded: 258

SOAPnuke:

华大看家工具集 SOAP 系列之一。适用于多种数据类型 ( mRNA，small RNA，DEG... )

 SOAPnuke1.5.6 filter -l 20 -G -Q 2 -1 untreated.fq -C u.soapnuke.fq.gz -o ./

fastp

http://opengene.org/fastp/fastp.html

可以过滤低质量数据 (如较低的质量分数，较短的序列，含 N 较多的序列等等)
可以实现剪切序列的首尾两端
可以通过对滑动窗口的平均质量的评价，对 5' 和 3' 端序列进行剪切(这个功能与Trimmomatic 软件功能相似，但是速度却更快)
可以自动检测街头序列并做切除
对于PE数据中的overlap区间中不一致的碱基对，依据质量值进行校正
支持三代测序或四代测序的long reads (nanopore / pacbio的数据)

参考：
https://www.jianshu.com/p/48eb5f00dd1c
https://zhuanlan.zhihu.com/p/28924793