Fastq文件格式解析

Fastq是测序数据下机格式，其中包含测序序列(reads)的序列信息及其对应的测序质量信息。
FASTQ格式文件中每个read由四行描述，如下：

@EAS139:136:FC706VJ:2:2104:15343:197393 1:Y:18:ATCACG 
GCTCTTTGCCCTTCTCGTCGAAAATTGTCTCCTCATTCGAAACTTCTCTGT 
+ 
@@CFFFDEHHHHFIJJJ@FHGIIIEHIIJBHHHIJJEGIIJJIGHIGHCCF

其中第一行以“@”开头，随后为Illumina 测序标识符(Sequence Identifiers)和描述文字(选择性部分)；第二行是碱基序列；第三行以“+”开头，随后为Illumina 测序标识符(选择性部分)；第四行是对应序列的测序质量。
Illumina 测序标识符详细信息如下：

image.png

第四行中每个字符对应的ASCII值减去33，即为对应第二行碱基的测序质量值。如果测序错误率用e表示，Illumina测序平台的碱基质量值用Qphred表示，则有下列关系：
ASCII - 33 = Qphred　=　-10log10(e)
此公式可说明，质量值越大测序错误率(e)越低，准确性越高