数据质控之Trimmomatic数据过滤

准备工作：配置java环境或者在conda里下载软件Trimmomatic

---

我在VM里java环境的配置：安装JDK

创建并进入文件夹 : mkdir java && cd java

查看所有版本JDK : yum -y list java

下载所需要的版本，我下载的是java-1-8.0-openjdk : yum  -y install java-1.8.0-openjdk

配置环境变量：vi ~/.bash_profile     添加java的路径

刷新：source ~/.bash_profile

---

到Trimmomatic官网查看需要下载的版本 http://www.usadellab.org/cms/uploads/supplementary/Trimmomatic

我下载的是0.39版二进制的 ：  wget http://www.usadellab.org/cms/uploads/supplementary/Trimmomatic/Trimmomatic-0.39.zip

再配置环境变量和刷新

---

Trimmomatic的使用：两种运行模式：PE（pair End）和SE（single End）

单末端测序：java -jar /PATH/Trimmomatic-0.39 SE -phred33 input.fq.gz output.fq.gz ILLUMINACLIP:TruSeq3-SE:2:30:10 LEADING:3 TRAILING:3 SLIDINGWINDOW:4:15 MINLEN:36

双末端测序数据：java -jar /PATH/Trimmomatic-0.39 PE -phred33 input_forward.fq.gz input_reverse.fq.gz output_forward_paired.fq.gz output_forward_unpaired.fq.gz output_reverse_paired.fq.gz output_reverse_unpaired.fq.gz ILLUMINACLIP:TruSeq3-PE.fa:2:30:10 LEADING:3 TRAILING:3 SLIDINGWINDOW:4:15 MINLEN:36

参数：

-threads 线程数，最大是CPU核数

-trimlog 生成日志名，强烈建议不开这个参数，生成的log文件巨大且大多数情况下，你是不会看的

-quiet 静默模式

与其他软件命令不同，Trimmomatic提供了多种修整步骤：

数据的碱基质量体系确认可参照 质量值体系 Phred33 和 Phred 64 的由来 及其在质量控制中的实际影响_phred33和phred64-CSDN博客

ILLUMINACLIP：从reads中剪切adapter和其他Illumina特定序列。进入Trimmomatic-0.39文件夹查看adapters，根据测序仪型号进行选择

       adapters中文件的选择：目前的HiSeq系列和MiSeq系列用的都是TruSeq3，TruSeq2是以前GA2系列的测序仪所用的，已经很少见了。

PE模式中，输入文件有两个input_forward.fq.gz input_reverse.fq.gz输出文件有四个（output_forward_paired.fq.gz output_forward_unpaired.fq.gz output_reverse_paired.fq.gz output_reverse_unpaired.fq.gz），其中过滤之后双末端序列都保留的是paired,只保留一端序列的就是unpaired

例子：数据fastqc的结果文件

java -jar /home/mumu/software/Trimmomatic-0.39/trimmomatic-0.39.jar  PE -phred33 SRR25474921_1.fastq.gz  SRR25474921_2.fastq.gz  /PATH/SRR25474921_1_paired.fastq.gz /PATH/SRR25474921_1_unpaired.fastq.gz /\PATH/SRR25474921_2_paired.fastq.gz /PATH/SRR25474921_2_unpaired.fastq.gz ILLUMINACLIP:TruSeq3-PE.fa:2:30:10 SLIDINGWINDOW:4:15 LEADING:3 TRAILING:3 MINLEN:36