@如有侵犯您的权益请联系me，感谢分享！
参考自
>微信公众号-高通量测序技术《生物信息学基础100问—— 第1 ~ 5问问题及答案》生信基础100问第1-5
>度狗百科 fastQ格式
1.作用目的：
$ fasta: 多用于储存碱基/AA序列及序列在数据库中的信息。
(一般为入库数据，单纯的蛋白/核酸序列)
$ fastq:储存碱基/AA序列及其测序相关信息
(原始数据，包含了仪器本身记录)
2.制式区别：
$fastq:
一般包含四行信息
1.以@开始，包含序列测序时的坐标信息、仪器信息等。
2.序列内容
3.以+开始，可储存一些附加信息，一般多为空。
4.测序质量信息
eg1：
>第一行 : @ST-E00126:128:HJFLHCCXX:2:1101:7405:1133
# ‘:’为分隔标志
@，开始的标记符号;
ST-E00126:128:HJFLHCCXX，测序仪唯一的设备名称;
2，lane的编号；
1101，tile的编号；
7405，在tile中的X坐标；
1133，在tile中的Y坐标
( lane指测序板上泳道，tile是板上测序孔 )
>第二行：
表序列信息，一般使用ATCGN，N表示无法判断是哪种碱基（因荧光信号受干扰）
>第三行 :
+开头，后为一些补充说明信息，多为空。
>第四行：
存储质量信息，与第二行的碱基序列一一对应。即表示对应位置碱基的测序质量值。
用ASCII码表示，值越大，质量越好。ASCII码由phred值经过换算而来。phred值则通过测序错误概率转换而来。有phred33和phred64两种体系。
phred值用以评估bp测序质量，测序仪通过判断荧光信号的颜色来判断碱基的种类，ATCG分别对应红黄蓝绿，信号强弱不同，在这种情况下对每个结果的判断的正确性都存在一个概率值P。如P=1%，将P取log10，再乘以-10，所得结果为Q 。
将Q+33 or +64 得值即为phred。每个phred有对应的ASCII码，如phred值=53对应A码为5。
（看数值大小范围能知体系类型）
* Phred33 & Phred64 由来是illumina公司的锅，近年来新数据多为Phred33体系
！trimmomatic软件能自动识别数据的质量类型
eg2 ：
NCBI看到的FASTQ格式如下：
@HWUSI-EAS100R:6:73:941:1973#0/1
GATTTGGGGTTCAAAGCAGTATCGATCAAATAGTAAATCCATTTGTTCAACTCACAGTT
+HWUSI-EAS100R:6:73:941:1973#0/1
!''*((((***+))%%%++)(%%%%).1***-+*''))**55CCF>>>>>>CCCCCCC6
>第一行：
#0，若输入样本为多样本混合，则该标志代表样本的编号，用来区分各样本的reads。
/1，代表paired end中的前一个read。
>第四行：
phred值为63对应的ASCII码为“？”。
一般地，碱基质量从0-40，既ASCII码为从 “！”（0+33）到“I”(40+33）。
ASCII码映射图：
Dec <---> Chr
eg3 ：
(Y表示此数据已经过过滤？18？？)
条形码-> barcode
$fasta:
包含有两类信息。
第一行：序列描述信息，一般以 >开头。包括数据库中的编号、序列名称、序列类型。
第二行：序列信息
示例1.核酸序列文件（mRNA序列统一以T代替U）
>gi|13650073|gb|AF349571.1|Homo sapiens hemoglobin alpha-1 globin chain (HBA1) mRNA, complete cds
CCCACAGACTCAGAGAGAACCCACCATGGTGCTGTCTCCTGACGACAAGACCAACGTCAAGGCCGCCTGGGGTAAGGTCGGCGCGCACGCTGGCGAGTATGGTGCGGAGGCCCTGGAGAGGATGTTCCTGTCCTTCCCCACCACCAAGACCTACTTCCCGCACTTCGACCTGAGCCACGGCTCTGCCCAGGTTAAGGGCCACGGCAAGAAGGTGGCCGACGCGCTGACCAACGCCGTGGCGCACGTGGACGACATGCCCAACGCGCTGTCCGCCCTGAGCGACCTGCACGCGCACAAGCTTCGGGTGGACCCGGTCAACTTCAAGCTCCTAAGCACTGCCTGCTGGTGACCCTGGCCGCCCACCTCCCCGCCGAGTTCACCCCTGCGGTGCACGCCTCCCTGGACAAGTTCCTGGCTTCTGTGAGCACCGTGCTGACCTCCAAATACCGTTAAGCTGGAGCCTCGGTGGCCATGCTTCTTGCCCCTTTG
# 以‘|’符号作区隔
> ，开头标记
gi|13650073， 基因ID
gb|AF349571.1， genebank中的编号
Homo sapiens hemoglobin alpha-1 globin chain (HBA1)， 基因名称
mRNA, complete cds 序列类型
示例2 蛋白质文件
>sp|P69905|HBA_HUMAN Hemoglobin subunit alpha OS=Homo sapiens GN=HBA1
MVLSPADKTNVKAAWGKVGAHAGEYGAEALERMFLSFPTTKTYFPHFDLSHGSAQVKGHGKKVADALTNAVAHVDDMPNALSALSDLHAHKLRVDPVNFKLLSHCLLVTLAAHLPAEFTPAVHASLDKLASVSTVLTSKYR`
# 以‘|’符号作区隔
>, 开头标记
sp|P69905 ，蛋白数据库编号
HBA_HUMAN Hemoglobin subunit alpha， 蛋白质名称
OS=Homo sapiens，所属物种
GN=HBA1，基因名称
（MVLSPA……指代氨基酸类型？）
扩展名:
*题外：
SRA数据转fastq文件的一些note：
（当使用trinity时亦会自动给出操作提示）
END
#错误与缺漏望不吝赐教~
>>>
下期预计讨论fasta与fastq的格式互转，并研究脚本“fasta_stats.pl & fastq_stats.pl”
网友评论