Trimmomatic对下机数据进行质控

要对下机数据做质控，去接头，去除低质量碱基序列，之前总是用trimmomatic，发现学校服务器上没有这个软件，只好再重新下载、安装，重新学习一下当时用的参数都是啥意思，能不能再优化一下。

附：实验室老师用的是另一款质控、剪切一条龙的软件fastp，查了一下fastp, 优点蛮多的，鉴于时间比较紧张，先不比较两者对结果的影响了。

一、软件下载及安装

下载地址

http://www.usadellab.org/cms/index.php?page=trimmomatic

unzip解压完后就能用了

二、软件运行

Trimmomatic是一个Java程序，需要java运行，先上我的脚本：

因为我是批处理，fastq_List.txt文件中按行(一行一个reads的.fq.gz文件)存储着我需要处理的序列名字，比如sample1_R1.fq.gz,下一行为sample1_R2.fq.gz。

常用参数：

PE: 双端测序

-threads 线程数，最大是CPU核数；

-Phred33 设置碱基的质量格式，使用phred + 33或phred + 64质量分数，这取决于使用的Illumina管道，默认-phred64，自v0.32版本之后可自动识别是phred33还是phred64；

-trimlog 生成日志名，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；

-basein 指定输入路径及文件，需要R1和R2在同一目录下，且命名一样；

-baseout 指定输出路径及文件，结果命名会一样；

以下参数很重要，需要根据自己情况进行设定：

ILLUMINACLIP: 从reads中剪切adapter和其他Illumina特定序列，按照你的数据选择接头文件列表，TruSeq3对应HiSeq和MiSeq。

TruSeq2 (as used inGAII machines)

TruSeq3 (as used byHiSeq and MiSeq machines),

这里需要注意一下ILLUMINACLIP的位置，由于版本，平台等问题，接头文件的位置不一定相同，最好用Everything这个软件找一下，填上正确的文件路径。

SLIDINGWINDOW：执行滑动窗口修剪，一旦窗口内的平均质量低于阈值，则切割。

:，对应两个参数窗口大小（碱基数）和对应碱基序列的质量。一般就是4和15，除非数据质量实在是很差时需要自己再去调整。

LEADING：如果低于阈值质量，则在reads起始处剪切碱基，因为机器对初始几个序列检测不太准，一般默认依次把质量低于3的碱基切掉；

TRAILING：如果低于阈值质量，则在reads末尾处剪切碱基，不过没必要。尤其是当你数据是双端测序结果的时候（我设置了，影响不大，之前几批数据都设置了，为了保持一致，这次也懒的删了，算上这次，这是第三次安装这个软件了，这次才注意到这个问题，惭愧）

CROP：将reads从末尾切割为指定长度，也就是直接从中间切断丢弃尾部序列，慎用；

HEADCROP：从reads剪切后低于指定长度，切掉头部对应碱基数并丢弃，同样，慎用；

MINLEN：如果reads低于指定长度，则删除

三、结果

PE 模式的两个输入文件，四个输出文件：

sample_paired_R1.clean.fastq

sample_unpaired_R1.clean.fastq

sample_paired_R1.clean.fastq

sample_unpaired_R1.clean.fastq