生信小白学习日记Day3——NGS基础 NGS分析注解（质量分析软件）

2019年5月27日，天气舒适，忙碌一天之后开始今天的生信学习。今天就昨天Day2-2的一些标记加以查询说明，仅供参考。

NGS基础

NGS分析注解

1. 质量分析软件

昨天提到，拿到数据后可以通过一些软件来评估测序质量的好坏，包括fastqc、multiqc、SolexaQA等。我们今天来了解一下multiqc和SolexaQA的使用。
multiqc
来自于博文：https://blog.csdn.net/qazplm12_3/article/details/84550515
原来multiqc是基于Phython的用于整合fastq质控结果的工具。通常质控工具给出的结果都是针对一个样品产生一个报告，而当样品数量繁多时，我们必须借助工具将其整合再分析。multiqc有如下几个优点：
1）能将测序数据的多个QC结果整合成一个HTLM网页交互式报告，同时也能导出pdf文件；
2）支持多种分析类型的质控结果查看，如：RNAseq、Whole-Genome Seq、Bisulfite Seq、Hi-C和MultiQC_NGI；
3）支持整合68种软件分析的结果，而且支持的软件还在持续增加，也可以自己写作一个插件，具体见下图。

我并没有用过类似fastQC和multiQC这类的质控工具和整合工具，分析基因组数据也仅仅是停留在简单改改别人脚本再去跑的阶段，如有时间，可亲自试试，再来写写心得。
1.安装MultiQC
依赖python2.7+, 3.4+ 或者 3.5+

#pip安装
pip install git+https://github.com/ewels/MultiQC.git  #Installation with pip
#conda安装
conda install -c bioconda multiqc  # Installing with conda

pip
pip 是 Python 包管理工具，该工具提供了对Python 包的查找、下载、安装、卸载的功能。目前如果你在 python.org 下载最新版本的安装包，则是已经自带了该工具。
Python 2.7.9 + 或 Python 3.4+ 以上版本都自带 pip 工具。
pip 官网：https://pypi.org/project/pip/

• 你可以通过以下命令来判断是否已安装：

pip --version

• 若还未安装，可通过以下代码进行安装：

$ curl https://bootstrap.pypa.io/get-pip.py -o get-pip.py   # 下载安装脚本
$ sudo python get-pip.py    # 运行安装脚本

conda
Conda 是一个开源的软件包管理系统和环境管理系统，用于安装多个版本的软件包及其依赖关系，并在它们之间轻松切换。 Conda 是为 Python 程序创建的，适用于 Linux，OS X 和Windows，也可以打包和分发其他软件。
查了conda是什么，发现这篇写的很好，介绍了如何安装conda以及利用conda安装生信软件，以后可能会用到。
https://www.jianshu.com/p/edaa744ea47d

2. 运行MultiQC
直接指定MultiQC要分析的文件路径即可，若数据在当前目录下输入multiqc .即可。

multiqc .
multiqc data/
multiqc data/ ../proj_one/analysis/ /tmp/results
multiqc data/*_fastqc.zip
multiqc data/sample_1*

使用–ignore忽略掉某些文件

multiqc . --ignore *_R2*
multiqc . --ignore run_two/
multiqc . --ignore */run_three/*/fastqc/*_R2.zip

3. MultiQC报告解读（以RNA-Seq数据为例）
1. General Statistics
每一个样本reads数量、比对层面的质量评估整合统计表，点击Configure Columns可以选择显示或不显示某些项。点击Plot可以绘图。
点击Plot可以对任意两种属性的评估结果做交互式二维图，若各样本均一性好，散点会比较集中，反之会出现某些离散的点，这样方便查看某些指标异常的离群样本。
2. featureCounts
利用featureCounts工具计算每个基因外显子的reads数的结果展示。featureCounts不仅可以支持gene的定量，也支持exon, gene bodies, genomic bins, chromsomal locations的定量。功能类似的软件是HTSeq。
软件官网：http://bioinf.wehi.edu.au/featureCounts/

3. STAR
基于STAR比对工具的分析结果，STAR会将没有paired mapping的reads都剔除，避免single reads比对到基因组上；并且STAR对lower-quality（采用more soft-clipped和错配碱基）比对有较高的容忍度。
软件官网：https://github.com/alexdobin/STAR
更多分析工具比较见：转录组分析工具大比拼

4. Cutadapt
用cutadapt软件来对双端测序数据去除接头后的结果。

对测序数据进行过滤时cutadapt对测序数据进行识别、剪切并去除adapters, primers , poly_A等序列，移除被adapter污染的reads部分（指由于插入片段长度不够，测序仪读到的测序引物等序列）。具体见NGS基础 - 高通量测序原理。

软件官网：https://cutadapt.readthedocs.io/en/stable/

5. FastQC
MultiQC将fastqc工具分析得到的10个结果分别整合成一个模块，集中查看。

软件官网：http://www.bioinformatics.babraham.ac.uk/projects/fastqc/

明天再来，先挑一些重要的标记查阅，纸上得来终觉浅，须知此事要躬行，共勉。