外觀
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 / I2 | index(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 |
| interleaved | R1、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 |