怎么使用trim_galore对NGS数据进行质量过滤,相信很多没有经验的人对此束手无策,为此本文总结了问题出现的原因和解决方法,通过这篇文章希望你能解决这个问题。
cutadapt软件可以对NGS数据进行质量过滤,FastQC软件可以查看NGS数据的质量分布,trim_galore将这两个软件封装到一起,使用起来更加的方便。
该软件会对数据进行以下4步处理
illumina平台的测序数据,通常3’端质量较差。trim_galore首先会过滤掉3’端的低质量碱基,本质上是调用了cutadapt的质量过滤算法。下图是过滤前后碱基质量的分布图
可以看到,过滤掉低质量碱基后,序列的整体质量显著提高。
过滤掉低质量的碱基之后,trim_galore会调用cutadapt在reads的3’端查找adapter 序列并去除。通常情况下,我们需要指定对应的adapter序列,如果没有指定的化,trim_galore会自动查找以下3种类型的adapter
Illumina: AGATCGGAAGAGC Small RNA: TGGAATTCTCGG Nextera: CTGTCTCTTATA
默认读取前一百万条序列,通过这一百万条序列判断adapter属于上述三种的哪一种,然后进行去除。如果你不希望软件自动判断,也可以通过--illumina
, --nextera
, --small_rna
参数指定对应的adapter类型。
经过上述两步处理之后,有可能剩余的序列长度很短,这部分短序列也会被去除。默认情况下,如果序列长度少于20bp, 这条序列会被丢掉。
对于所有的输入序列,以上3个步骤是肯定会执行的。除此之,trim_galore还支持一些其他的过滤措施,以满足个性化的需求。
hardtrim5
参数用于从序列的3’端切除碱基,示意如下
before: CCTAAGGAAACAAGTACACTCCACACATGCATA --hardtrim5 20: CCTAAGGAAACAAGTACACT
通过hardtrim5
参数可以将序列截取成固定长度。与之对应的,还有一个hardtrim3
参数,从序列的5’端切除碱基,示意如下
before: CAAATGTTATTTTTAAGAAAATGGAAAAT --hardtrim3 20: TTTTTAAGAAAATGGAAAAT
软件的安装也很方便,首先需要确保cutadapt
和fastqc
这两个软件已经安装,并且可执行文件位于PAH
环境变量定义的路径种。然后下载trim_galore的源代码包,解压即可,代码如下
wget https://github.com/FelixKrueger/TrimGalore/archive/0.5.0.tar.gz tar xzvf 0.5.0.tar.gz
在软件的安装目录有一个名为trim_galore
的可执行文件。
对于单端测序数据,基本用法如下
trim_galore --quality 20 -a AGATCGGAAGAGC --length 20 -o out_dir input.fq
对于双端测序数据,基本用法如下
trim_galore --paired --quality 20 -a AGATCGGAAGAGC -a2 AGATCGGAAGAGC --length 20 -o out_dir R1.fq.gz R2.fq.gz
看完上述内容,你们掌握怎么使用trim_galore对NGS数据进行质量过滤的方法了吗?如果还想学到更多技能或想了解更多相关内容,欢迎关注亿速云行业资讯频道,感谢各位的阅读!
免责声明:本站发布的内容(图片、视频和文字)以原创、转载和分享为主,文章观点不代表本网站立场,如果涉及侵权请联系站长邮箱:is@yisu.com进行举报,并提供相关证据,一经查实,将立刻删除涉嫌侵权内容。