生物信息學/高通量測序數據的質量控制

Roche/454測序數據的質量控制

454測序數據格式

從測序公司拿到的454測序數據是SFF格式文件。該文件是二進制格式文件。可以使 用命令sffinfo來查看SFF文件的內容或轉換成Fasta文件；可以使用sfffile對SFF文件進 行合併或分割。

由於454測序基本退出了測序舞台，因此本教程就不對454測序數據作詳細解讀。只 需要了解以下2點:

1.454测序结果文件为SFF格式，使用sffinfo来转换出fasta文件；
2.使用Newbler软件能对纯454数据进行基因组组装。

454測序數據質控

一般使用Newbler對純454測序數據進行基因組組裝。由於軟件在組裝前能進行數據 質控，因此，不需要另外進行質量控制。若使用其它軟件如Velvet利用到454測序數據，則可以使用sffinfo將SFF文件轉換成Fasta格式。默認情況下，使用sffinfo將SFF文件轉換成Fasta格式時，則會對數據進行一些trim。命令簡單用法見下一章Newbler基因組 組裝軟件的使用。

Illumina測序數據的質量控制

Illumina測序結果文件

一般情況下，我們從測序公司得到Illumina測序數據，其數據文件是Fastq格式。可以 稱之為原始數據（Raw data)。

實際上，Illumina測序得到的Raw data其實是顯微拍攝得到的圖片信息。但公司會利 用Bcl2Fastq軟件將圖像信息轉換成Fastq文件。由於在測序開始前，先要進行退火步驟將 引物結合到模板DNA上，然後從引物之後的Index標記序列開始測序，再繼續測adapter 序列和插入的DNA片段序列。因此，Bcl2Fastq軟件會先根據最開始的Index標記序列進 行數據分樣處理，再去除adapter序列，最後給出Raw data的Fastq文件。理論上，從測 序公司得到的Raw『data數據是不含有adapter序列的。但實際上，Raw data中依然會有 部分數據含有adapter序列。

若進行單端測序，則數據結果只有一個Fastq文件；若進行雙端測序，則結果得到兩個Fastq文件。雙端測序的2個Fastq文件特點：

（1) 一般情況下，兩個Fastq文件名稱中分 別包含數字1和2，分別代表先後測序所得到的reads數據;

（2)這2個文件的行數必須一 致；

（3)在這2個文件相同行上的數據來自同一條DNA片段雙末端的測序數據；

（4) Fastq文件中每4行表示一條read序列。