基本概念
我们一般说的测序数据，比方说 6G 的测序数据，这个G代表的是 Gbase，而非文件大小 GB（gigabyte)
Gbase 代表的是碱基数量，即测序文件（A,T,C,G）的个数，相邻两个单位换算为 1000
而我们所说的文件大小 GB（gigabyte)是计算基领域统计某个文件大小的计量单位，相邻两个单位换算为 1024
如何估算fastq文件的的碱基数
一般我们测序数据有两种情况，一种是双端数据（双端各有150bp），另外一种是单端数据（一端300bp）
那么对于单端数据，我们可以先统计具有reads的行数有多少行，那么每一个reads行有300个碱基，那么总碱基数为：
总碱基数(GB) = (总reads的行数 × 300) / 10的9次方
如果是双端数据：
总碱基数 = (总reads的行数 × 2 × 150) / 10的9次方
如果想看实际比对下来的总碱基数，记得乘上比对率：
单端：总碱基数(GB) = (总reads的行数 × 300 × 比对率) / 10的9次方
双端：总碱基数(GB) = (总reads的行数 × 2 × 150 × 比对率) / 10的9次方
网友评论