质量控制

查看测序数据的质量情况。

1. FastQC

FastQC 可能是最常用，也是最直观的测序数据质量控制软件。

安装 FastQC

FastQC 可以在图形界面下运行，如果在不带有图形界面的系统环境里也可以通过生成 html 报告再通过浏览器打开来查看结果。

~/tmp$ wget http://www.bioinformatics.babraham.ac.uk/projects/fastqc/fastqc_v0.11.5.zip
~/tmp$ unzip fastqc_v0.11.5.zip -d ~/app
~/tmp$ sudo ln -s ~/app/FastQC/fastqc /usr/local/sbin

# run fastqc in GUI mode
~$ fastqc
# run fastqc in command line mode
~$ fastqc -f fastq ~/data/*.fastq

生成报告

生成 html 报告文件和对应的 zip 压缩文件，并通过 scp 命令传输到本地后用浏览器打开查看。

# scp  your linux/mac desktop system
~$ scp -i username@server-ip:~/data/* ~/
# open it by google-chrome
~$ google-chrome *.html

结果说明

FastQC 结果由11个模块组成，对于结果报告各个模块的说明可以参见 FastQC 文档。

Module	Explanation
Basic Statistics:	fastq文件的基本信息，可以看到序列数量和读长，fastq文件版本，GC含量等。
Per base sequence quality:	最重要的结果模块之一，你可以从这个模块的图示中了解序列中各个碱基的质量。
Per sequence quality score:	...
Per base sequence content:	...

数据处理：通过FastQC各个模块查看，发现低质量的序列需要切除或者序列污染的，比如smallRNA测序，文库被污染了接头等情况时，需要对数据进行去除污染序列的处理。

2. Picard

Picard 是 BroadInstitute 使用 Java 语言开发的针对 BAM 等高通量测序数据的处理工具，特别是针对 Illumina 平台的数据。它可以提供一个测序质量和数据基本特性的报告。

~/tmp$ wget https://github.com/broadinstitute/picard/releases/download/1.123/picard-tools-1.123.zip
~/tmp$ unzip -n picard-tools-1.123.zip -d ~/app

3. khmer

~/app$ git clone https://github.com/ged-lab/khmer.git && cd khmer
~/app$ git checkout v1.1
~/app$ sudo make install

QC