介绍
fastqc是查看转录组数据质量的软件
安装
conda install fastqc
使用
fastqc -o <outdir> -t <threads> fastq1 fastq2 ...
结果解读
运行结束后生成两个文件一个.html网页文件，一个是.zip压缩文件，只看html网页文件就可以了
基础信息
Filename：指的是进行质控的文件名
Encoding：指测序平台的版本和相应的编码版本号
Total Sequences：指reads的数量
Sequence length：指测序的长度
%GC 指整体序列中的GC含量
每个碱基的质量
此图中的横轴是测序序列第1个碱基到第151个碱基
纵轴是质量得分，Q = -10*log10（error P）即20表示0.01的错误率，30表示0.001，纵轴值越高代表质量越好
图中红线表示中值
图中蓝色的细线是各个位置的平均值的连线
每条序列的质量
序列长度为51bp，那么这51个位置每个位置Q值的平均值就是这条reads的质量值
# 该图横轴是0-40，表示Q值
纵轴是每个值对应的reads数目
这个样本数据，测序结果主要集中在30-36中，证明测序质量很好！
碱基分布
横轴是1 - 51 bp；纵轴是百分比
图中四条线代表A T C G在每个位置平均含量
理论上来说，A和T应该相等，G和C应该相等，但是一般测序的时候，刚开始测序仪状态不稳定，很可能出现上图开头的情况。
序列平均GC含量分布图
横轴是0 - 100%； 纵轴是每条序列GC含量对应的数量
蓝色的线是程序根据经验分布给出的理论值，红色是真实值，两个应该比较接近才比较好
N统计含量
当测序仪器不能辨别某条reads的某个位置都是ATCG哪个碱基时，就会产生"N"，对所有reads的每个位置统计N的比率。
序列测序长度统计
每次测序仪测出来的长度在理论上应该是完全相等的，但是总会有一些偏差
比如此图中，51bp是主要的，但是还是有少量的50和52bp的长度
当测序的长度不同时，如果很严重，则表明测序仪在此次测序不成功
重复序列
统计序列完全一样的reads的频率。横坐标是duplication的次数，纵坐标是duplicated reads的数目
接头含量
横坐标为reads位置，纵坐标为Adapter序列占比；如果fastqc默认参数会将所有的常见的Adapter都列出
正常情况是趋于0的直线，也就是说序列两端Adapter已经去除干净；如果有Adapter，需要先用cutadapt去接头
网友评论