fastp原理及简单介绍

简单介绍

FASTQ需要质控和预处理，保证下游分析输入数据都是干净可靠的。

FASTQC（质控）+cutadapt（去除接头）+Trimmomatic（剪裁）+脚本过滤

SE：in.fq->out.fq+fastp.html+fastp.josn

工具及设计

总体设计

Fastp是为多线程并行处理而设计的。从FASTQ文件中读取的内容将以N (1000)的大小打包。每个包将被池中的一个线程消耗，每个线程都有一个单独的环境来存储它处理的读取的统计值。在处理完所有操作后，这些值将被合并，报告器将生成HTML和JSON格式的报告。Fastp报告预过滤和后过滤数据的统计值，以便于比较过滤完成后数据质量的变化。fastp支持SE (single-end)和PE (paired-end)数据。

Adapter trimming

对单端和双端采用不同的算法
单端：通过组装高频读尾检测适配器序列（adapter sequences)。
双端：通过查找每对的重叠部分来检测适配器序列。

适配器序列检测算法基于两种假设（适用于下一代测序仪）：
数据中只有一个适配器
适配器序列只存在于读尾中

我们计算前M（M=1M）次读取的k-mer（k=10），在一个k-mer中出现频率高（>0.0001）的认为是适配器种子(adapter seeds)，种子按频率排序。

通过算法&#