Skip to content

基因體學 › 檔案格式 › FASTQ

FASTQ ​

定序儀輸出的標準格式:每條 read 存序列與每個鹼基的品質分數,是比對、定量、變異呼叫的起點。

結構:每條 read 4 行 ​

text
@A00123:45:HXXXXXXX:1:1101:10000:1000 1:N:0:ACGTACGT
GATTTGGGGTTCAAAGCAGTATCGATCAAATAGTAAATCCATTTGTTCAACTCAC
+
FFFFFFFFF:FFFFFFFFFFFFFFFFF,FFFFFFFFF:FFFFFFFFFFF:FF#FF
行內容
1@ + read 名稱(Illumina:儀器 : run : flow cell : lane : tile : x : y)+ 空白 + 讀序 : 是否被過濾 : 控制碼 : index 序列
2序列
3+(可重複名稱,現在多留空)
4品質字串,長度必須與序列相同;字元 ASCII 碼 − 33 = Phred 分數

品質編碼、Q30、分箱見 鹼基品質分數。

成對 (paired-end) 與檔名 ​

項目說明
R1 / R2同一個片段的兩端,分在兩個檔案:S1_L001_R1_001.fastq.gz、S1_L001_R2_001.fastq.gz
同步兩個檔案的 reads 順序必須一一對應;只修剪其中一個檔案會破壞配對(fastp 等工具會同時處理)
I1 / I2index(barcode)reads;多數情況已 demultiplex,不需要
多個 lane同一樣本的 L001–L004 可直接 cat 合併(gzip 可串接),或分別比對後合併 BAM
interleavedR1、R2 交錯存在同一檔案(較少見)

常用操作 ​

bash
zcat S1_R1.fastq.gz | head -8                        # 看前兩條 read
echo $(( $(zcat S1_R1.fastq.gz | wc -l) / 4 ))        # reads 數
seqkit stats *.fastq.gz                               # reads 數、長度分布、Q30 比例(-a)
seqkit sample -p 0.1 -s 42 S1_R1.fastq.gz -o sub.fq.gz   # 抽 10%(R1、R2 用同一個 seed)

公開資料(SRA / ENA)的下載見 原始資料庫。

品質控制 ​

工具用途
FastQC + MultiQC品質報告
fastp修剪 adapter / 低品質、過濾