Trimmomatic

usadellab/Trimmomatic (github.com)

Quick start

单末端测序数据：

trimmomatic SE -phred33 input.fq.gz output.fq.gz \
ILLUMINACLIP:TruSeq3-SE:2:30:10 LEADING:3 TRAILING:3 SLIDINGWINDOW:4:15 MINLEN:36

双末端测序数据：

trimmomatic PE -phred33 \
input_forward.fq.gz input_reverse.fq.gz \
output_forward_paired.fq.gz output_forward_unpaired.fq.gz \
output_reverse_paired.fq.gz output_reverse_unpaired.fq.gz \
ILLUMINACLIP:TruSeq3-PE.fa:2:30:10 LEADING:3 TRAILING:3 SLIDINGWINDOW:4:15 MINLEN:36
   *   <input 1> <input 2> <paired output 1> <unpaired output 1> <paired output 2> <unpaired output 2>

       1.  PE 模式的两个输入文件:sample_R1.fastq    sample_R2.fastq
       2.  以及四个输出文件：sample_**paired_**R1.clean.fastq\ sample_**unpaired**_R1.clean.fastq\ sample_paired_R1.clean.fastq\ sample_unpaired_R1.clean.fastq

常用参数：

*   ILLUMINACLIP: 过滤 reads 中的 Illumina 测序接头和引物序列，并决定是否去除反向互补的 R1/R2 中的 R2。
*   SLIDINGWINDOW: 从 reads 的 5' 端开始，进行滑窗质量过滤，切掉碱基质量平均值低于阈值的滑窗。
*   MAXINFO: 一个自动调整的过滤选项，在保证 reads 长度的情况下尽量降低测序错误率，最大化 reads 的使用价值。
*   LEADING: 从 reads 的开头切除质量值低于阈值的碱基。
*   TRAILING: 从 reads 的末尾开始切除质量值低于阈值的碱基。
*   CROP: 从 reads 的末尾切掉部分碱基使得 reads 达到指定长度。
*   HEADCROP: 从 reads 的开头切掉指定数量的碱基。
*   MINLEN: 如果经过剪切后 reads 的长度低于阈值则丢弃这条 reads。
*   AVGQUAL: 如果 reads 的平均碱基质量值低于阈值则丢弃这条 reads。
*   TOPHRED33: 将 reads 的碱基质量值体系转为 phred-33。
*   TOPHRED64: 将 reads 的碱基质量值体系转为 phred-64。

几种reads trimmed 情况

• A 模式：测序 reads 从起始位置开始就包含了完整的接头序列，那么根据 Illumina 测序原理，这整条 reads 都不可能包含有用序列了，整条 reads 被丢弃。

• B 模式：这种相对常见，由于文库插入片段比测序读长短，会在 reads 末端包含部分接头序列，若是这部分接头序列足够长是可以识别并去除的，但如果接头序列太短，比接头匹配参数设置的最短长度还短，那么就无法去除。但是，如果是 PE 测序，可以按照 D 模式去除 reads 末端的很短的接头序列。

• C 模式：PE 测序可能出现这种情况，正向测序和反向测序有部分完全反向互补，但是空载的文库，两个接头直接互连，这样的 reads 不包含任何有用序列，正反向测序 reads 都被丢弃。

• D 模式：是 Trimmomatic 利用 PE 测序进行短接头序列去除的典范，如果文库插入片段比测序读长短，利用正反向测序 reads 中一段碱基可以完全反向互补的特点，将两个接头序列与 reads 进行比对，同时两条 reads 之间也互相比对，可以将 3' 末端哪怕只有 1bp 的接头序列都可以被准确去除，相对 B 模式去除接头污染更彻底。

Ref:
Trimmomatic--集能力与才华于一身