fastqc软件的使用

一：下载安装该软件

具体搜索其地址下载，fastqc是一个java软件，下载后可以直接使用，但是需要自行配置好java环境，具体配置方法，见linux下java配置。

 

二：准备数据

数据就是我们测序得到的fastq文件的reads，压缩包也可以直接运行

三：运行命令

我习惯了批处理解决问题，脚本如下：

for id in *fastq

do 

echo $id

/home/jmzeng/bio-soft/FastQC/fastqc $id

Done

运行过程中会显示以下的提示信息

 

估计还是要运行很久的，比较这几个RNA-seq文件每个都是16G的

按住ctrl+A+D即可退出该后台，继续去前台执行简单任务

好像二十分钟就跑完了

输出文件如下

四：输出文件解读

可以直接打开那个html网页文件就可以查看每一个图片内容，也可以解压那个zip压缩包具体看每一张图片

下载fastqc跑出来的结果一个个解读

1，简单统计表格

     

这些英文我就不翻译了，reads均长是100bp，共四千多万条reads

2，测序质量图

 

这个图其实很容易看，就是100bp长度reads上的1-100的坐标在这四千万条reads里面的测序质量的箱线图，看那个红线均值就可以了，超过Q30就蛮好了，超过Q20也是合格的

3，碱基（A,T,C,G）含量图

这也是100bp长度reads上的1-100的坐标在这四千万条reads里面的A,T,C,G的比例，如果是全基因组全转录组的随机打断，那么就应该A,T,C,G的比例都接近于25%，如果测序是有目的性的，那么比例也就相应的改变了

4，reads的GC含量频数分布图

这是对四千万条reads里面的GC含量值做统计密度曲线，可以看到绝大部分的reads的GC含量都集中在50%附近。极端情况很少。

 

 

5，reads长度分布图

可以看到大多reads都是100bp长度，很整齐

6，可能的重复序列表格

可以看到这些重复序列比例很高，高达千分之一，而且被注释了可能的来源，adapter，是需要去除的。