solexaQA对测序数据进行简单过滤

一.下载该软件

http://solexaqa.sourceforge.net/index.htm

下载解压开

现在已经把它的三个功能整合到一起啦

之前是分开的程序,我主要用它的两个perl 程序,我比较喜欢之前的版本,所以下面的讲解也是基于这两个perl程序。

这两个主要是对reads进行最大子串的截取

solexaQA对测序数据进行简单过滤-图片1

 

solexaQA对测序数据进行简单过滤-图片2

二.准备数据。

就是我们测序得到的原始数据。

第一个就是质量控制,一般是以20为标准,当然你也可以自己设定,该软件质控的原理如下:

使用默认的参数值(defaults to P = 0.05, or equivalently, Q = 13)

solexaQA对测序数据进行简单过滤-图片3

基本上就是取符合阈值的最大子串。

二:命令使用很简单一般使用DynamicTrim与LengthSort.pl就可以了

for id in *fastq
do
echo $id
perl DynamicTrim.pl -454 $id
done
for id in *trimmed
do
echo $id
perl LengthSort.pl $id
done

首先使用DynamicTrim.pl程序,非常耗时间

几个小时完毕之后

solexaQA对测序数据进行简单过滤-图片4

查看,产出文件如下

solexaQA对测序数据进行简单过滤-图片5

可以看到丢弃的不多,也就三五百M的

简单查看丢弃的,都是短的。

perl -lne ‘{print length if $.%4==2}’ SRR1793918.fastq.trimmed.discard |head

solexaQA对测序数据进行简单过滤-图片6

用这个脚本查看,可知好像都是短于25个碱基的被舍弃掉了,这个参数可以调整的。

接下来就可以用这些数据进行数据分析了

原文来自:http://www.bio-info-trainee.com/454.html

发表评论

匿名网友

拖动滑块以完成验证