外觀
fastp
一步完成 FASTQ 前處理:adapter 修剪、品質過濾、polyG 修剪、成對 reads 校正、UMI 處理,並輸出 HTML / JSON 報告。速度快、多數參數有合理預設,是目前最常用的修剪工具之一。
用法
bash
conda install -c bioconda fastp
# 成對 (paired-end)
fastp -i S1_R1.fastq.gz -I S1_R2.fastq.gz \
-o S1_R1.clean.fq.gz -O S1_R2.clean.fq.gz \
--detect_adapter_for_pe \
-w 8 -h S1.fastp.html -j S1.fastp.json
# 單端 (single-end)
fastp -i S1.fastq.gz -o S1.clean.fq.gz -w 8 -h S1.fastp.html -j S1.fastp.json常用參數
| 參數 | 預設 | 意義 |
|---|---|---|
--detect_adapter_for_pe | 關 | 成對資料也做 adapter 序列偵測(預設只靠 R1/R2 重疊判斷) |
-a SEQ | 自動 | 指定 adapter 序列 |
-q / -u | 15 / 40 | 品質 < -q 的鹼基視為不合格;不合格比例 > -u% 的 read 丟棄 |
-l | 15 | 修剪後短於此長度的 read 丟棄 |
--cut_front / --cut_tail | 關 | 滑動視窗從 5′ / 3′ 修剪低品質尾端 |
--trim_poly_g | NextSeq / NovaSeq 自動開 | 2-color 化學無訊號會讀成 G,產生假的 polyG 尾巴 |
-c | 關 | 成對 reads 重疊區的鹼基互相校正 |
--dedup | 關 | 去除完全相同的 reads(一般不建議在比對前做) |
-U --umi_loc read1 --umi_len 8 | 關 | 把 UMI 從序列移到 read 名稱,供下游依 UMI 去重 |
-w | 3 | 執行緒數 |
polyG 的成因見 Illumina 2-color 化學。
報告重點
| 項目 | 看什麼 |
|---|---|
| Filtering result | 通過 / 因低品質 / 太短 / N 太多被丟棄的 reads 比例;丟棄 > 10% 要找原因 |
| Duplication | 估計重複率(未比對前的粗估) |
| Insert size | 由成對重疊推估的片段長度 |
| Adapter | 偵測到的 adapter 序列與修剪的鹼基數 |
| Before / after filtering | 品質、GC、鹼基組成在過濾前後的比較 |
JSON 報告可交給 MultiQC 彙整多樣本。
什麼時候不要過度修剪
| 情境 | 建議 |
|---|---|
| RNA-seq 用 STAR / Salmon | 只修 adapter 即可;比對器會 soft-clip 低品質尾端,過度修剪反而損失資訊 |
| 變異呼叫 | 品質修剪溫和即可;GATK 會用鹼基品質加權,BQSR 會校正 |
| amplicon panel | primer 序列要另外修掉(cutadapt 或專用工具),否則會遮蔽 primer 區的真實變異 |
| small RNA | 要明確指定 adapter,並調低 -l |
替代工具:Trim Galore(cutadapt 包裝)、Trimmomatic、cutadapt。官方:fastp GitHub。