生信学习笔记:测序数据质控

2024-04-29 01:58

本文主要是介绍生信学习笔记:测序数据质控,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

文章目录

    • 测序数据质控
    • 1.原始数据统计
    • 2.质控数据统计

测序数据质控

Illumina 测序属于第二代测序技术,单次运行能产生数十亿级的reads,如此海量的数据无法逐个展示每条read的质量情况;运用统计学的方法,对所测序列进行统计和质控,可以从宏观上直观地反映出样本的文库构建质量和测序质量。

1.原始数据统计

1)原始数据获得

Illumina 平台通过将测序图像信号经CASAVA碱基识别(Base Calling)转换成文字信号,并将其以 fastq 格式储存起来作为原始数据。根据index序列区分各个样本的数据,以便进行后续分析。在fastq文件中每条序列由4行数据组成,其中第一行和第三行为读段识别码(第一行以“@”开头,第三行以“+”开头),第二行为碱基序列,而第四行是第二行序列的各碱基所对应的测序质量值。

如下所示:

在这里插入图片描述

2)原始数据质控

对每一个样本的原始测序数据进行测序相关质量评估,包括:① 碱基质量分布统计; ② 碱基错误率分布统计;③ A/T/G/C碱基含量分布统计。

使用软件:fastx_toolkit_0.0.14。

① 碱基质量分布统计

测序的错误率与碱基的质量有关,受测序仪本身、测序试剂、样品等多个因素共同影响。通过公式计算,可以得出一个综合的值,即质量值(Q),用来评估测序的质量。随着测序的进行,酶的活性及其它物质的灵敏度也会下降,因此到达一定测序长度后,Q值也会随之下降。

② 碱基错误率分布统计

测序错误率会随着测序序列(Sequenced Reads)长度的增加而升高,这是由测序过程中化学试剂的消耗导致的,为Illumina高通量测序平台的共有特征;另外,前6个碱基的位置也会发生较高的测序错误率,而这个长度也正好等于在RNA-seq建库过程中反转录所需要的随机引物的长度。这部分碱基的测序错误率较高可能是由于随机引物与RNA模版的不完全结合导致。

③ A/T/G/C碱基含量分布统计

碱基含量分布一般用于检测有无AT、GC分离现象。对于RNA-seq来说,鉴于序列打断的随机性和G/C、A/T含量分别相等的原则,理论上每个测序循环中的GC含量相等、AT含量相等(如果是链特异性建库,可能会出现AT分离和/或GC分离),且在整个测序过程基本稳定不变,呈水平线。但在现有的高通量测序技术中,反转录合成 cDNA 时所用的6bp的随机引物会引起前几个位置的核苷酸组成存在一定的偏好性,这种波动属于正常情况。

2.质控数据统计

由于原始测序数据中会包含测序接头序列、低质量读段、N(N表示不确定碱基信息)率较高序列及长度过短序列,这将严重影响后续分析的质量。所以,在分析之前会先对原始测序数据进行质控,从而得到高质量的质控数据(clean data)以保证后续分析结果的准确性。

使用软件: SeqPrep 和 Sickle

具体步骤及顺序如下:

  1. 去除reads中的接头序列,去除由于接头自连等原因导致没有插入片段的reads;

  2. 将序列末端(3’端)低质量(质量值小于20)的碱基修剪掉,如剩余序列中仍然有质量值小于10的碱基,则将整条序列剔除,否则保留;

  3. 去除含N(模块碱基)的reads;

  4. 舍弃去adapter及质量修剪后长度小于30bp的序列。

数据质控完成后,对质控后的数据再次进行统计以及质量评估,同样包括:

① 碱基质量分布统计;

② 碱基错误率分布统计;

③ A/T/G/C碱基含量分布统计。

接头序列为:

5’: AGATCGGAAGAGCACACGTC

3’: AGATCGGAAGAGCGTCGTGT

参考资料:
美吉生物云

这篇关于生信学习笔记:测序数据质控的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/944826

相关文章

Java利用JSONPath操作JSON数据的技术指南

《Java利用JSONPath操作JSON数据的技术指南》JSONPath是一种强大的工具,用于查询和操作JSON数据,类似于SQL的语法,它为处理复杂的JSON数据结构提供了简单且高效... 目录1、简述2、什么是 jsONPath?3、Java 示例3.1 基本查询3.2 过滤查询3.3 递归搜索3.4

MySQL大表数据的分区与分库分表的实现

《MySQL大表数据的分区与分库分表的实现》数据库的分区和分库分表是两种常用的技术方案,本文主要介绍了MySQL大表数据的分区与分库分表的实现,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有... 目录1. mysql大表数据的分区1.1 什么是分区?1.2 分区的类型1.3 分区的优点1.4 分

Mysql删除几亿条数据表中的部分数据的方法实现

《Mysql删除几亿条数据表中的部分数据的方法实现》在MySQL中删除一个大表中的数据时,需要特别注意操作的性能和对系统的影响,本文主要介绍了Mysql删除几亿条数据表中的部分数据的方法实现,具有一定... 目录1、需求2、方案1. 使用 DELETE 语句分批删除2. 使用 INPLACE ALTER T

Python Dash框架在数据可视化仪表板中的应用与实践记录

《PythonDash框架在数据可视化仪表板中的应用与实践记录》Python的PlotlyDash库提供了一种简便且强大的方式来构建和展示互动式数据仪表板,本篇文章将深入探讨如何使用Dash设计一... 目录python Dash框架在数据可视化仪表板中的应用与实践1. 什么是Plotly Dash?1.1

Redis 中的热点键和数据倾斜示例详解

《Redis中的热点键和数据倾斜示例详解》热点键是指在Redis中被频繁访问的特定键,这些键由于其高访问频率,可能导致Redis服务器的性能问题,尤其是在高并发场景下,本文给大家介绍Redis中的热... 目录Redis 中的热点键和数据倾斜热点键(Hot Key)定义特点应对策略示例数据倾斜(Data S

Python实现将MySQL中所有表的数据都导出为CSV文件并压缩

《Python实现将MySQL中所有表的数据都导出为CSV文件并压缩》这篇文章主要为大家详细介绍了如何使用Python将MySQL数据库中所有表的数据都导出为CSV文件到一个目录,并压缩为zip文件到... python将mysql数据库中所有表的数据都导出为CSV文件到一个目录,并压缩为zip文件到另一个

SpringBoot整合jasypt实现重要数据加密

《SpringBoot整合jasypt实现重要数据加密》Jasypt是一个专注于简化Java加密操作的开源工具,:本文主要介绍详细介绍了如何使用jasypt实现重要数据加密,感兴趣的小伙伴可... 目录jasypt简介 jasypt的优点SpringBoot使用jasypt创建mapper接口配置文件加密

使用Python高效获取网络数据的操作指南

《使用Python高效获取网络数据的操作指南》网络爬虫是一种自动化程序,用于访问和提取网站上的数据,Python是进行网络爬虫开发的理想语言,拥有丰富的库和工具,使得编写和维护爬虫变得简单高效,本文将... 目录网络爬虫的基本概念常用库介绍安装库Requests和BeautifulSoup爬虫开发发送请求解

Oracle存储过程里操作BLOB的字节数据的办法

《Oracle存储过程里操作BLOB的字节数据的办法》该篇文章介绍了如何在Oracle存储过程中操作BLOB的字节数据,作者研究了如何获取BLOB的字节长度、如何使用DBMS_LOB包进行BLOB操作... 目录一、缘由二、办法2.1 基本操作2.2 DBMS_LOB包2.3 字节级操作与RAW数据类型2.

MySQL使用binlog2sql工具实现在线恢复数据功能

《MySQL使用binlog2sql工具实现在线恢复数据功能》binlog2sql是大众点评开源的一款用于解析MySQLbinlog的工具,根据不同选项,可以得到原始SQL、回滚SQL等,下面我们就来... 目录背景目标步骤准备工作恢复数据结果验证结论背景生产数据库执行 SQL 脚本,一般会经过正规的审批