【从零开始学生信】二代测序数据简介之fastq和fasta
概念
fastq格式是序列格式中常见的一种，是基于文本的，保存生物序列（通常是核酸序列）和其测序质量信息的标准格式。其序列以及质量信息都是使用一个ASCII字符标示，最初由Sanger开发，目的是将FASTA序列与质量数据放到一起，目前已经成为高通量测序结果的事实标准。
格式说明
fastq文件中每个序列通常有四行：
1 第一行：必须以“@”开头，后面跟着唯一的序列ID标识符，然后跟着可选的序列描述内容，标识符与描述内容用空格分开；
2 第二行：序列字符（核酸为[AGCTN]+，蛋白为氨基酸字符）；
3 第三行：必须以“+”开头，后面是序列标示符、描述信息，或者什么也不加。如果“+”后面有内容，该内容必须与第一行“@”后的内容相同；
4 第四行：碱基质量字符，每个字符对应第二行相应位置碱基或氨基酸的质量，根据评分体系的不同，每个字符的含义表示的数字也不相同。这一行的字符数与第二行中的字符数必须相同。
例如：
Illumina公司序列标识符
@E00500:23:H3VV7ALXX:8:1101:5538:3067 1:N:0:GCGAGTAA
| @E00500 | the unique instrument name | |
| 23 | the run ID | |
| H3VV7ALXX | the flowcell ID | |
| 8 | flowcell lane | |
| 1101 | tile number within the flowcell lane | |
| 5538 | ‘x’-coordinate of the cluster within the tile | |
| 30671 | ‘y’-coordinate of the cluster within the tile | |
| N | Y if the read fails filter (read is bad), N otherwise | |
| 0 | 0 when none of the control bits are on, otherwise it is an even number | |
| GCGAGTAA | index sequence | |
概念
fasta序列格式是blast组织数据的基本格式，无论是数据库还是查询序列，大多数情况都使用fasta序列格式，所以首先对fasta格式在做详细说明。
格式说明
下面是人HG19参考基因组部分fasta格式序列：
fasta格式首先以大于号“>”开头，接着是序列的标识符，然后是序列的描述信息。换行后是序列信息，序列中允许空格，换行，空行，直到下一个大于号，表示该序列的结束。
fatsq每个序列有四行，更好的表现了fasta格式数据。fatsq可以转变为fasta格式数据。实现转换的代码十分简单，如下：
#！/usr/bin/env python2.7 import sys fn=sys.argv[1] output_fn=sys.argv[2] fw = open(output_fn, "w") lines = open(fn).readlines() len_lines=len(lines) i=0 while(i<len_lines): id=lines[i].strip() seq=lines[i+1].strip() fasta_id="> "+id out='%s\n%s\n'%(fasta_id,seq) fw.write(out) i=i+4 |
当二代测序的原始数据拿到手之后，第一步要做的就是看一看原始reads的质量。常用的工具就是FASTQC。
FASTQC的官网：
http://www.bioinformatics.babraham.ac.uk/projects/fastqc/
FASTQC的下载地址：
http://www.bioinformatics.babraham.ac.uk/projects/download.html#fastqc
在linux上的安装
$wget http://www.bioinformatics.babraham.ac.uk/projects/fastqc/fastqc_v0.11.5.zip |
解压
$ unzip fastqc_v0.11.5.zip |
设置权限
$ cd FastQC/ $ chmod 755 fastqc |
加入到 PATH
$ export PATH=/home/user/FastQC/:$PATH |
测试
$ fastqc --help |
能看到幫助信息，说明已经安装成功
在Window上的安装
| 1 下载 http://www.bioinformatics.babraham.ac.uk/projects/download.html#fastqc(选择win可用的选项下载) 2 Unzip, 进入FastQC, double-click **run_fastqc.bat** 3 FastQC GUI, File -> Open -> select fastq file 如果double-click run_fastqc.bat 没有反应, 说明 JAVA 没有安装配置好. 请参考 http://www.runoob.com/java/java-environment-setup.html |
Ref：
http://en.wikipedia.org/wiki/FASTQ_format
http://boyun.sh.cn/bio/?p=1901
http://www.bioinformatics.babraham.ac.uk/projects/fastqc/
人点赞
人收藏
打赏
010-82736610
股票代码: 872612
京公网安备 11010802020745号
