高通量测序数据质控神器Trimmomatic
简介
高通量测序下机的原始数据中存在一些低质量数据、接头以及barcode序列等,为消除其对后续分析准确性产生的影响,在数据下机以后对原始数据进行质控处理就成了至关重要的环节。Trimmomatic就是一个高通量测序数据质控神器,可以对测序数据进行过滤。
Trimmomatic 支持多线程,处理数据速度快,主要用来去除 Illumina 平台的 Fastq 序列中的接头,并根据碱基质量值对 Fastq 进行修剪。软件有两种过滤模式,分别对应 SE(单末端测序模式) 和 PE(双末端测序模式) 测序数据,同时支持 gzip 和 bzip2 压缩文件。另外,也支持 phred-33 和 phred-64 格式互相转化。
准备
下载测试数据
$ curl -O ftp://ftp-trace.ncbi.nlm.nih.gov/sra/sra-instant/reads/ByRun/sra/ERR/ERR571/ERR571271/ERR571271.sra
将 sra 文件转换成 fastq 文件
为了将sra文件转换成fastq格式,我们需要使用 fastq-dump 工具,这个工具被打包在 sratoolkit 工具包中。
sratoolkit 工具包下载地址
https://trace.ncbi.nlm.nih.gov/Traces/sra/sra.cgi?view=software
Linux环境可以执行选择下面地址直接下载并解压安装
# CentOS
$ wget -c https://ftp-trace.ncbi.nlm.nih.gov/sra/sdk/2.9.2/sratoolkit.2.9.2-centos_linux64.tar.gz
# Ubuntu
$ wget -c https://ftp-trace.ncbi.nlm.nih.gov/sra/sdk/2.9.2/sratoolkit.2.9.2-ubuntu64.tar.gz$ tar zxvf sratoolkit.2.9.2-centos_linux64.tar.gz
将 sra 文件转换成 fastq 文件
./sratoolkit.2.9.2-centos_linux64/bin/fastq-dump --split-files ERR571271.sra
解压后产生 ERR571271_1.fastq 和 ERR571271_2.fastq 文件。
下载 Docker 镜像
为了测试方便,这里没有从源码进行编译,而是直接使用的 Docker 容器来做测试。
为了从 quay.io 获取 spades 镜像,需要先注册一个账号,注册比较简单,就是填个表格就行了。
$ sudo docker login quay.io$ sudo docker pull quay.io/biocontainers/trimmomatic:0.38--1
运行 Docker 容器
在上面下载的数据文件同级目录下运行下面命令来启动一个容器,且后续的测试命令都需要在此容器里运行。
# 启动一个容器
$ sudo docker run -it --rm -v `pwd`:/trimmomatic quay.io/biocontainers/trimmomatic:0.38--1 bash# 运行一下trimmomatic命令验证容器可用
$ trimmomatic
运行
$ cd /trimmomatic
$ trimmomatic PE \-phred33 \/trimmomatic/ERR571271_1.fastq /trimmomatic/ERR571271_2.fastq \/trimmomatic/ERR571271_1_paired.fq /trimmomatic/ERR571271_1_unpaired.fq \/trimmomatic/ERR571271_2_paired.fq /trimmomatic/ERR571271_2_unpaired.fq \ILLUMINACLIP:/usr/local/share/trimmomatic-0.38-1/adapters/TruSeq3-PE.fa:2:30:10 \LEADING:3 TRAILING:3 SLIDINGWINDOW:4:15 HEADCROP:8 MINLEN:36TrimmomaticPE: Started with arguments:-phred33 /trimmomatic/ERR571271_1.fastq /trimmomatic/ERR571271_2.fastq /trimmomatic/ERR571271_1_paired.fq /trimmomatic/ERR571271_1_unpaired.fq /trimmomatic/ERR571271_2_paired.fq /trimmomatic/ERR571271_2_unpaired.fq ILLUMINACLIP:/usr/local/share/trimmomatic-0.38-1/adapters/TruSeq3-PE.fa:2:30:10 LEADING:3 TRAILING:3 SLIDINGWINDOW:4:15 HEADCROP:8 MINLEN:36
Using PrefixPair: 'TACACTCTTTCCCTACACGACGCTCTTCCGATCT' and 'GTGACTGGAGTTCAGACGTGTGCTCTTCCGATCT'
ILLUMINACLIP: Using 1 prefix pairs, 0 forward/reverse sequences, 0 forward only sequences, 0 reverse only sequences
Input Read Pairs: 1812467 Both Surviving: 1557974 (85.96%) Forward Only Surviving: 248988 (13.74%) Reverse Only Surviving: 3135 (0.17%) Dropped: 2370 (0.13%)
TrimmomaticPE: Completed successfully
参数说明:
- PE/SE - 设定对Paired-End或Single-End的reads进行处理,其输入和输出参数稍有不一样。
- threads - 设置多线程运行数
- phred33 - 设置碱基的质量格式,可选pred64
- ILLUMINACLIP:TruSeq3-PE.fa:2:30:10 - 切除adapter序列。参数后面分别接adapter序列的fasta文件:允许的最大mismatch数:palindrome模式下匹配碱基数阈值:simple模式下的匹配碱基数阈值。
- LEADING:3 - 切除首端碱基质量小于3的碱基
- TRAILING:3 - 切除尾端碱基质量小于3的碱基
- SLIDINGWINDOW:4:15 - 从5’端开始进行滑动,当滑动位点周围一段序列(window)的平均碱基低于阈值,则从该处进行切除。Windows的size是4个碱基,其平均碱基质量小于15,则切除。
- MINLEN:50 - 最小的reads长度
- CROP: - 保留reads到指定的长度
- HEADCROP: - 在reads的首端切除指定的长度
- TOPHRED33 - 将碱基质量转换为pred33格式
- TOPHRED64 - 将碱基质量转换为pred64格式
高通量测序数据质控神器Trimmomatic相关推荐
- 使用 Docker 分析高通量测序数据
端午节假期,先祝各位 Bio IT 的爱好者们,节日快乐! 做生信的童鞋想要学习 Docker,或者使用 Docker+Pipeline 封装自己的一套数据分析流程,相信一定不能错过胡博强老师在201 ...
- 从NCBI当中SRA数据库中下载高通量测序数据
从NCBI当中SRA数据库中下载高通量测序数据 NCBI sra 数据下载 用迅雷替代官方的prefetch批量下载SRA测序数据,更快更稳定! 用别人的数据,发自己的文章 由于大多数杂志在文章发表前 ...
- MPB:沈阳生态所李琪组-土壤线虫群落DNA提取、扩增及高通量测序
为进一步提高<微生物组实验手册>稿件质量,本项目新增大众评审环节.文章在通过同行评审后,采用公众号推送方式分享全文,任何人均可在线提交修改意见.公众号格式显示略有问题,建议电脑端点击文末阅 ...
- 高通量测序技术和序列拼接算法探析
高通量测序技术和序列拼接算法探析 时间:2019-05-27 来源:计算机科学 作者:周卫星,石海鹤 本文字数:16853字 摘 要: 高通量测序 (High-throughput Sequen ...
- 高通量测序数据分析:RNA-seq
本文围绕RNA-seq学习路线进行生信入门,主要内容有: ☆ RNA-seq方法原理 ☆ RNA-seq的生物信息分析 1.数据获取 测序数据下载与处理(SRA Toolkit) 测序数据质控与过滤( ...
- 表观调控高通量测序分析培训开课啦
在广大粉丝的期待下,<生信宝典>联合<宏基因组>在2018年4月14日在北京鼓楼推出<ChIP系列高通量测序分析专题培训>,为大家提供一条走进生信大门的捷径.为同行 ...
- mysql like反义_[转载]关于小RNA高通量测序数据分析方法的研究
1 引言 小RNA(small RNAs)主要指长度在18-30nt的一类非编码RNA(ncRNAs),在真核生物中,具有基因表达调控功能的小RNA主要有微小RNA(microRNAs,miRNAs) ...
- seqCNA笔记-处理来自肿瘤样本的高通量测序拷贝数数据
处理来自肿瘤样本的CNV,测试seqCNA这个包 一.简介 该软件包的目的是处理来自肿瘤样本的高通量测序拷贝数数据,从SAM或BAM对齐的读数直到调用拷贝数的最后阶段.除其他功能外,它还包括一个集成的 ...
- MPB:生态环境中心陈保冬组-基于高通量测序技术的丛枝菌根真菌多样性研究方法...
为进一步提高<微生物组实验手册>稿件质量,本项目新增大众评审环节.文章在通过同行评审后,采用公众号推送方式分享全文,任何人均可在线提交修改意见.公众号格式显示略有问题,建议电脑端点击文末阅 ...
最新文章
- java if用法_java中if语句的写法
- Jsoup获取所有链接
- 预装Win8笔记本改重装Win7的方法
- DataGridView实现多维表头
- 机器学习实战 梯度上升 数学推导_机器学习全路线经典书籍
- 各机器学习平台视频建模功能汇总
- 英特尔主板快捷启动键_电脑小匠电脑硬件知识科普——主板接口篇
- mysql中增删改查的详解 例题 sql 语句
- springAop切面失效的问题解决
- Java整数的所有质因数,用JAVA将一个正整数分解成质因数,例如输入90,打印出90=2*3*3*5...
- android 打开微信扫一扫
- 强化学习原理及应用作业之动态规划算法【SYSU_2023SpringRL】
- 安卓、苹果app_小程序——电商系统(开源免费)
- Navicat使用教程及安装教程
- 2022-2023年控制领域、工程领域、计算机领域、人工智能领域国家重点实验室开放基金申请指南
- 内网穿透工具--NATAPP讲解
- 有向无环图——AOE网(关键路径)
- 一个使用python和TUShare进行股票分析的例子
- 土地利用覆被变化的概念_土地利用土地覆被变化研究概述
- bizhubc226说明书_柯尼卡美能达复印机C226|C266扫描功能设置