高通量测序数据下机后的原始fastq文件，包含4行，其中一行为质量值，另外一行则为对应序列，我们都了解高通量的数据处理首先要进行质量控制，这些过程包括去接头、过滤低质量reads、去除低质量的3’和5’端，去除N较多的reads等，而针对高通量测序数据的质控软件也有很多，在这里给大家介绍一款“老牌子”的质控工具fastx_toolkit，它是一个软件包，包含了多个质控命令，下面我们就逐个讲解其参数及使用：

1. fastq_quality_converter [-h] [-a] [-n] [-z] [-i INFILE] [-f OUTFILE]直观观察质量值
  [-h]         =打印帮助
  [-a]         = 输出ASCII的质量得分(默认).
  [-n]         = 输出质量值数据.
  [-z]         = GZIP压缩输出.
  [-i INFILE]  = 输入fasta/fastq格式的文件.
  [-o OUTFILE] = 输出fasta/fastq文件.

2.  fastq_masker [-h] [-v] [-q N] [-r C] [-z] [-i INFILE] [-o OUTFILE]屏蔽低质量碱基
  [-q N]     =质量门限值，质量值低于这个门限值的将被mask掉，默认值为10
  [-r C]       = 用C替代低质量的碱基，默认用N来替代
  [-z]          = 输出用GZIP压缩.
  [-i INFILE]  = 输入FASTA文件
  [-o OUTFILE] = 输出文件
  [-v]         = 详细-报告序列编号，如果使用了-o则报告会直接在STDOUT，如果没有则输入到STDERR

3. fastq_quality_filter [-h] [-v] [-q N] [-p N] [-z] [-i INFILE] [-o OUTFILE]过滤低质量序列
  [-q N]       = 最小的需要留下的质量值
  [-p N]       = 每个reads中最少有百分之多少的碱基需要有-q的质量值
  [-z]         =压缩输出
  [-v]       =详细-报告序列编号，如果使用了-o则报告会直接在STDOUT，如果没有则输入到STDERR

4. fastq_quality_trimmer [-h] [-v] [-t N] [-l N] [-z] [-i INFILE] [-o OUTFILE] 修剪reads的末端
  [-t N]       = 从5'端开始，低与N的质量的碱基将被修剪掉
  [-l N]       = 修建之后的reads的长度允许的最短值
  [-z]         = 压缩输出
  [-v]       =详细-报告序列编号，如果使用了-o则报告会直接在STDOUT，如果没有则输入到STDERR

5. fastq_to_fasta [-h] [-r] [-n] [-v] [-z] [-i INFILE] [-o OUTFILE]fastq转换成fasta   [-r]         =  序列用序号重命名
  [-n]         = 保留有N的序列，默认不保留
  [-z]         = 压缩输出

6. fastx_trimmer [-h] [-f N] [-l N] [-t N] [-m MINLEN] [-z] [-v] [-i INFILE] [-o OUTFILE]从3'开始到5'哪些部分保留

[-f N]       = 从第几个碱基开始保留，默认第一个
  [-l N]       = 后面从第几个碱基开始保留，默认全部碱基都保留.
  [-t N]       =序列尾部修剪掉N个碱基.
  [-m MINLEN]  = 修剪掉长度小于MINLEN的序列.

7.  fastx_quality_stats [-h] [-N] [-i INFILE] [-o OUTFILE]fastq文件的质量值进行统计
  [-i INFILE]      = 输入fastq文件
  [-o OUTFILE] = 输出的文本文件名字
  [-N]                 =使用新的输出格式，默认使用老格式
老格式输出文件：下面一行代表输出文件的一列
       column=1到36
       count   = 这列有多少碱基
       min       = 这列的碱基质量最小值
       max     = 这列的碱基质量最大值
       sum     = 这列的碱基质量的总和
       mean   =这列的碱基质量平均值
       Q1       = 1/4碱基质量值
       med     = 碱基质量值的中位数
       Q3      = 3/4碱基质量值.
       IQR     = Q3-Q1
       lW      = 'Left-Whisker' value (for boxplotting).
       rW      = 'Right-Whisker' value (for boxplotting).
       A_Count =本列A的数目
       C_Count = 本列C的数目.
       G_Count = 本列G的数目.
       T_Count = 本列T的数目.
       N_Count =本列N的数目.
       max-count =碱基数目的最大值
新的输出格式：
循环数
最大数目
对每个循环的碱基 (ALL/A/C/G/T/N):
               count   = 本列碱基的数目
               min       = 本列碱基质量的最小值
               max     = 本列碱基质量的最大值.
               sum     = 本列碱基质量的综合.
               mean    = 本列碱基质量的平均值
               Q1      = 1/4碱基质量值
               med    = 碱基质量值的中位数
               Q3      = 3/4碱基质量值
               IQR     = Q3-Q1
               lW      = 'Left-Whisker' value (for boxplotting).
               rW      = 'Right-Whisker' value (for boxplotting).

8. fastq_quality_boxplot_graph.sh [-i INPUT.TXT] [-t TITLE] [-p] [-o OUTPUT]绘制碱基质量分布盒式图
 [-p]         =产生.PS文件，默认产生png图像
 [-i INPUT.TXT]=输入文件为 fastx_quality_stats的输出文件
 [-o OUTPUT]  =输出文件的名字
 [-t TITLE]        =输出图像的标题

9. fastx_nucleotide_distribution_graph.sh [-i INPUT.TXT] [-t TITLE] [-p] [-o OUTPUT]绘制碱基分布图
 [-p]          =产生.PS文件，默认产生png图像.
 [-i INPUT.TXT] =输入文件为 fastx_quality_stats的输出文件
 [-o OUTPUT]   =输出文件的名字.
 [-t TITLE]       =输出图像的标题

10. fastx_clipper [-h] [-a ADAPTER] [-D] [-l N] [-n] [-d N] [-c] [-C] [-o] [-v] [-z] [-i INFILE] [-o OUTFILE] 去掉接头序列
  [-a ADAPTER] =接头序列（默认为CCTTAAGG）
  [-l N]       = 忽略那些碱基数目少于N的reads，默认为5
  [-d N]       = 保留接头序列后的N个碱基默认  -d 0
  [-c]         = 放弃那些没有接头的序列.
  [-C]         = 只保留没有接头的序列.
  [-k]         = 报告只有接头的序列.
  [-n]         = 保留有N多序列，默认不保留
  [-v]         =详细-报告序列编号
  [-z]         =压缩输出.
  [-D]       = 输出调试结果.
  [-M N]   =要求最小能匹配到接头的长度N，如果和接头匹配的长度小于N不修剪
  [-i INFILE]  = 输入文件
  [-o OUTFILE] = 输出文件

转载本文请联系原作者获取授权，同时请注明本文来自熊朝亮科学网博客。
链接地址：http://blog.sciencenet.cn/blog-1509670-848270.html