13518219792
本篇文章给大家分享的是有关如何使用Trimmomatic对NGS数据进行质量过滤，小编觉得挺实用的，因此分享给大家学习，希望大家阅读完这篇文章后可以有所收获，话不多说，跟着小编一起来看看吧。
专注于为中小企业提供成都网站建设、网站制作服务,电脑端+手机端+微信端的三站合一,更高效的管理,为中小企业南明免费做网站提供优质的服务。我们立足成都，凝聚了一批互联网行业人才，有力地推动了超过千家企业的稳健成长，帮助中小企业通过网站建设实现规模扩充和转变。
Trimmomatic 软件可以对NGS测序数据进行质量过滤，其去除adapter的功能只是针对illumina的序列，从reads的3’端识别adapter序列并去除，相比cutadapt，少了几分灵活性。但是在过滤低质量序列时，采用了滑动窗口的算法，给定窗口长度和步长，如果该窗口内所有碱基的平均质量值低于阈值，则将该窗口及其以后的碱基全部去除。对于数据量很多的reads, 滑动窗口算法比cutadapt的算法运行速度更快。官网如下
http://www.usadellab.org/cms/?page=trimmomatic
该软件采用java语言开发，直接下载打包好的jar文件即可。最新版本为v0.38, 官网提供了二进制文件的压缩包，如下所示
下载后，解压缩即可。该软件可以对序列执行以下几种操作
在去除adapter时，需要指定一个fasta格式的文件，里面是对应的adapter序列。软件内置了几种常见的illumina adapter 序列文件，详细列表如下
NexteraPE-PE.fa
TruSeq2-PE.fa
TruSeq2-SE.fa
TruSeq3-PE.fa
TruSeq-3-PE-2.fa
TruSeq-3-SE.fa
当然，也可以自定以adapter序列文件。通过ILLUMINACLIP参数指定adapter序列的文件，写法如下
ILLUMINACLIP:TruSeq2-PE.fa:2:30:10
TruSeq2-PE.fa表示查找该文件提供的adapter序列，在查找时，首先执行一个seed match, 就是只在序列中查找adapter的前几个碱基，如果前几个碱基都找不到，就没必要在查找后面的碱基了，通过seed match可以加快运行速度，2表示在进行seed match时，允许的最大错配数；当满足了seed match后，trimmomatic会将adapter 序列的全长与输入序列进行比对，从而识别adapter序列。此时两种模式，palindromeClip模式允许查找adapter序列的反向互补序列，比如双端测序中，R2端序列会包含5’端adapter序列的反向互补序列，30表示该模式下至少需要匹配的碱基数，另外一种叫做SimpleClip模式，只考虑提供的adapter序列，不考虑反向互补，10表示该模式下至少需要匹配的碱基数。
trimmomatic 采用滑动窗口的方式去除低质量序列，需要指定滑动窗口的大小和平均质量的阈值，通过SLIDINGWINDOW参数指定，写法如下
SLIDINGWINDOW:4:15
第一个数字4代表滑动窗口的大小为4bp,第二个数字15代表碱基质量阈值为15。如果窗口内4个碱基的平均质量值低于15，该窗口及之后的序列都会被去除。
通过LEADING参数指定阈值，写法如下
LEADING:3
如果序列头部的碱基质量值低于3，则去除该碱基。
通过TAILING参数指定阈值，写法如下
TRAILING:3
如果序列尾部的碱基质量值低于3，则去除该碱基。
通过HEADCROP参数指定长度，写法如下
HEADCROP:5
表示从每条序列的开头切掉5个碱基。
通过CROP参数指定长度，写法如下
CROP:120
表示将所有序列截取为120bp的长度。
长度的阈值通过MINLEN参数指定，写法如下
MINLEN:36
如果序列长度低于36bp,则该序列会被去除。
可以根据自己的需要选择性的执行以上步骤，参数定义的顺序指定了每个步骤被执行的顺序。
对于单端测序数据，基本用法如下
java -jar trimmomatic-0.38.jar SE -phred33 input.fq.gz output.fq.gz ILLUMINACLIP:TruSeq3-SE:2:30:10 LEADING:3 TRAILING:3 SLIDINGWINDOW:4:15 MINLEN:36
对于双端测序数据，基本用法如下
java -jar trimmomatic-0.38.jar PE -phred33 input_forward.fq.gz input_reverse.fq.gz output_forward_paired.fq.gz output_forward_unpaired.fq.gz output_reverse_paired.fq.gz output_reverse_unpaired.fq.gz ILLUMINACLIP:TruSeq3-PE.fa:2:30:10 LEADING:3 TRAILING:3 SLIDINGWINDOW:4:15 MINLEN:36
以上就是如何使用Trimmomatic对NGS数据进行质量过滤，小编相信有部分知识点可能是我们日常工作会见到或用到的。希望你能通过这篇文章学到更多知识。更多详情敬请关注创新互联行业资讯频道。
