转录组分析笔记（4）质量控制

1. fastq-dump将sra数据转换成fastq格式
   for ((i=59;i<=62;i++));do fastq-dump --gzip --split-3 -A rawdata/SRR35899$i.sra -O /01fastqdata;done
   结果没有文件输出

   
   111.jpg

删了输出文件夹，就可以了（时间约2个小时）
for ((i=59;i<=62;i++));do fastq-dump --gzip --split-3 -A SRR35899$i.sra;done

222.jpg

fastq-dump 用法：
--gzip 使得输出的结果是.gz 的格式
--split-3 对于PE测序，输出的结果是两个_1.fastq.gz
-A| --accession 输入你的sra文件可以是绝对路径
-O 是设置输出的目录

fastq格式：
Fastq格式是一种基于文本的存储生物序列和对应碱基（或氨基酸）质量的文件格式，现已成为存储高通量测序数据的事实标准。
每条read由4行字符构成：
第一行：必须以@开头，后面跟着序列的唯一ID以及相关说明内容。
第二行：核酸序列，是有ATCGN字符组成。
第三行：“+”开头，内容和第一行@后面的一样。
第四行：每个测序碱基质量，是用ASCII码来表示的，与第二行的字符数一致。
碱基质量得分与错误率的换算关系：
Q = -10log10p（p表示测序的错误率，Q表示碱基质量分数）
ASCII值与碱基质量得分之间的关系：
Phred64 Q=ASCII转换后的数值-64
Phred33 Q=ASCII转换后的数值-33

如何判断是Phred64 还是 Phred33 ？
ASCII值小于等于58（相应的质量得分小于等于25）对应的字符只有在Phred+33的编码中被使用，所有Phred+64所使用的字符的ASCII值都大于等于59。在通常情况下，ASCII值大于等于74的字符只出现在Phred+64中。如果是最近两年的测序数据，一般都是Phred33形式的。参考文章：[http://blog.csdn.net/huyongfeijoe/article/details/51613827]

2. 质量控制（半个小时）
   fastqc -o ~/wikiwei/2/01fastqc/ *.fastq.gz

   
   333.jpg

用法：
fastqc [-o output dir] [--(no)extract] [-f fastq|bam|sam] [-c contaminant file] seqfile1 .. seqfileN
参数：
-o 输出目录，需自己创建目录
--(no)extract 是否解压输出文件，默认是自动解压缩zip文件。加上--noextract不解压文件。
-f 指定输入文件的类型，支持fastq|bam|sam三种格式的文件，默认自动识别。
-t 同时处理的文件数目。
-c 是contaminant 文件，会从中搜索overpresent 序列。

multiqc 整合多个fastqc结果
multiqc ./

444.jpg

http://fbb84b26.wiz03.com/share/s/3XK4IC0cm4CL22pU-r1HPcQQ1iRTvV2GwkwL2AaxYi2fXHP7

3. 质量控制结果分析
   https://www.plob.org/article/5987.html

参考文章
https://www.jianshu.com/p/14fd4de54402
https://www.plob.org/article/5987.html
http://fbb84b26.wiz03.com/share/s/3XK4IC0cm4CL22pU-r1HPcQQ1iRTvV2GwkwL2AaxYi2fXHP7