FastQC的基本介绍

FastQC的基本介绍:

FastQC是一款基于Java的软件，它可以快速地对测序数据进行质量评估，其官网为：http://www.bioinformatics.babraham.ac.uk/projects/fastqc/

主要参数：

-o --outdir FastQC生成的报告文件的储存路径，生成的报告的文件名是根据输入来定的

-t --threads 选择程序运行的线程数，

-q --quiet 安静运行模式，一般不选这个选项的时候，程序会实时报告运行的状况

主要格式：

fastqc -o outdir -t threads fastq1 fastq2 ...

image.png

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。

我们使用浏览器打开html文件，然后显示这样的：

image.png

结果介绍：

Summary信息：

 上图中Summary的部分就是整个报告的目录，整个报告分成若干个部分。合格会有个绿色的对勾，警告是个黄色的叹号，不合格是个红色的叉子。

• 基本信息

image.png

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

• 序列测序质量统计

image.png

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

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

# Warning 报警 如果任何碱基质量低于10,或者是任何中位数低于25

# Failure 报错 如果任何碱基质量低于5,或者是任何中位数低于20

• 每条序列的测序质量统计

image.png

序列长度为151bp，那么这151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30-40中，证明测序质量很好！

• 碱基分布

image.png

横轴是1 - 151 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

• 

  image.png

# 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

image.png

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。

Warning 报警 如果任意位置的N比例超过5%

Failure 报错 如果任意位置的N比例超过20%

• 序列测序长度统计

image.png

# 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，151bp是主要的，但是还是有少量的150和152bp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

image.png

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。

它的说明文档看的不是特别明白，大家可以自己看看

#http://www.bioinformatics.babraham.ac.uk/projects/fastqc/Help/3%20Analysis%20Modules/8%20Duplicate%20Sequences.html