在代码语言中作为我们初学者能够将输入、代码、输出这三个要素了解透彻以及可以解决很多问题,因此在之后的学习我会强调这三个要素。
首先我们要明白质控的目的:
(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;
同时我们也可以主要排除是否核糖体RNA过多,获得我们读长的信息
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)
输入为:fastq文件同样它的压缩文件(.gz)也可以;输出为html文件(也就是网页文件),我们可以打开查看我们数据质控的细节
# 激活conda环境
conda activate rna
# 连接数据到自己的文件夹
cd $HOME/project/Human-16-Asthma-Trans/data/rawdata
ln -s /home/t_rna/data/airway/fastq_raw25000/*gz ./
# 使用FastQC软件对单个fastq文件进行质量评估,结果输出到qc/文件夹下
nohup fastqc -t 6 -o ./ SRR*.fastq.gz >qc.log &
# 使用MultiQc整合FastQC结果
# 使用绝对路径运行
multiqc=/home/t_rna/miniconda3/envs/rna/bin/multiqc
fastqc=/home/t_rna/miniconda3/envs/rna/bin/fastqc
fq_dir=$HOME/project/Human-16-Asthma-Trans/data/rawdata
outdir=$HOME/project/Human-16-Asthma-Trans/data/rawdata
$fastqc -t 6 -o $outdir ${fq_dir}/SRR*.fastq.gz >${fq_dir}/qc.log
$multiqc $outdir/*.zip -o $outdir/ >${fq_dir}/multiqc.log