本文详细介绍了FASTQ文件格式，包括单端和双端测序的命名规则，以及如何检查文件的完整性。内容涵盖FASTQ文件的内容结构、质量值计算原理、测序量评估方法，如通过行数计算reads数和碱基数。此外，还讨论了测序质量评估工具FastQC的使用及其结果解读，包括碱基质量、GC含量和接头序列的分析，强调了质量差的样本可能需要预处理。
FASTQ文件格式和命名
高通量测序之后用于下游分析的数据一般存储在FASTQ文件中。为了节省空间，又不影响下游使用，也一般用gzip压缩的格式。
单端测序每个文库只返回一个FASTQ文件，双端测序两个FASTQ文件，左端一般命名为_1或R1，右端命名为_2或R2。
假如样品名字为ehbio，双端测序三个重复。习惯命名为ehbio_1_1.fq.gz ehbio_1_2.fq.gz, ehbio_2_1.fq.gz ehbio_2_2.fq.gz, ehbio_3_1.fq.gz ehbio_3_2.fq.gz. (第一个下划线后面的数字为重复，第二个下划线后面的数字指定哪一端)
FASTQ文件内容如下图所示：
第一行以@开头，后面是reads的ID以及其他信息。
第二行为read的序列。
第三行以+开头，一般后面没有内容；若有则为序列的名字，与第一行相同。
第四行代表reads的质量值。质量值的计算方式为 (e是错误率，estimated probability of the base call being wrong)。如果该碱基测序出错的概率(e)为0.001，则Q应该为30。现在测序数据多采用Phred33编码，那么30+33=63，那么63对应的ASCii码为?，则在第四行中该碱基对应的质量代表值即为?。一般地，碱基质量从0-40, 即ASCii码为从 !(0+33)到I(40
最低0.47元/天 解锁文章
170
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
