FastQ
FASTQ是一种存储了生物序列(通常是核酸序列)以及相应的质量评价的文本格式。
它们都是以ASCII编码的。现在几乎是高通量测序的标准格式。
fastq格式是生物信息分析中最常见的格式之一
- 通常我们可以将测序的数据分为
双端测序
和单端测序
双端测序的数据含有两个fastq格式的文件,单端测序的数据只有一个fastq格式的文件
fastq格式的文件详解如下图:
主要分为四行 - 第一行是用来区分不同reads的一个ID号,一般以
@
符号开头,这一行是用来区分不同的reads
,而这一行本身包含了很多的信息。
- Read Record Header
- Flow Cell ID
- Lane
- Tile
- Tile Coordinates
- Barcode
- 第二行是测序的序列,也就是reads的序列
- 第三行一般是一个
+
号,或者与第一行的信息相同 - 第四行是碱基质量值,是对第二行序列的碱基的准确性的描述,一个碱基会对应一个碱基质量值,所以这一行和第二行长度是一样的,如果不一样就说明数据有问题
fastq与fasta
一、关于Fastq
FASTQ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。
二、Fastq的格式
FASTQ文件中每个序列通常有四行:第一行,序列标识以及相关的描述信息,以‘@’开头;第二行是序列;第三行以‘+’开头,后面是序列标示符、描述信息,或者什么也不加;第四行,是质量信息,和第二行的序列相对应,每一个序列都有一个质量评分,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。
例如