群体基因组学之分析流程介绍

正文

请到「今天看啥」查看全文

检查测序数据是否含有过多的接头序列或者其他非目的序列，这些序列可能会影响到 mapping 质量，需要在 mapping 前去除；

是否有较高比例的重复序列等。

了解这些信息以后，我们才能更好地决定后续的质控策略。

如何质控？

1. 了解 fastq 格式

我们从公司得到的数据一般是原始数据 (Raw data)，有时候也会有 clean data，不过公司在过滤时设置的参数往往不是很严格，我们最好从原始数据开始分析。Illumina 测序得到的原始数据为 fastq 格式，我们先来了解一下它的基本格式：

图2 Fastq的基本格式

测序得到的每一条序列包括 4 行，在自己边写脚本进行数据处理时，最好 4 行为一个单位进行处理。我们先来看一下每一行的含义：

• 第一行    '@' 和序列 ID

• 第二行    测序得到的序列

• 第三行    '+'

• 第四行    序列对应的质量值

其中第一行中序列 ID 包含的信息为：

字符串	含义

请到「今天看啥」查看全文