目前整套下來已知：

- 前備知識：NGS+次世代定序相關原理與知識(web lab 部份沒有講很多)

1. 檔案格式
2. FastQC使用

切除Adapter和read的低質量序列

當我們理解了fq數據之後，做這些過濾就不會很難，你也完全可以自己編寫工具來進行個性化的過濾。目前也已有很多工具用來Adapter和低質量鹼基，比如Trimmomatic、SOAPnuke、cutadapt、untrimmed等不下十個，今天想介紹一下我有用過的Fastq。

PS.大部份工具原理：就是通過滑動一定長度的窗口，計算窗口內的鹼基平均質量，如果過低，就直接往後全部切除，注意，不是挖掉read中的這部分低質量序列，而是像切菜一樣，直接從低質量區域開始把這條read後面的所有其它鹼基全！部！切！掉！！！！！

否則就是在人為改變實際的基因組序列情況。

Fastq原理及簡單介紹

首先：前備概念要知道定序出來的FASTQ檔，需要品質控制和預處理，保證接下來，下游分析輸入數據都是乾淨可靠的。

Fastp = FASTQC（質控）+cutadapt（去除接頭）+Trimmomatic（剪裁）+預處理....

Fastp是基於C++，支持多線程，包含fastQC和Trimmomatic的一些功能。

為多線程並行處理而設計的，每個線程都有一個單獨的環境來存儲它處理的讀取的統計值。在處理完所有操作後，這些值將被合併，報告器將生成HTML和JSON格式的報告。Fastp報告預過濾和後過濾數據的統計值，以便於比較過濾完成後數據質量的變化。

Fastp支持SE (single-end)和PE (paired-end)數據。

• 位置：

GitHub - OpenGene/fastp: An ultra-fast all-in-one FASTQ preprocessor (QC/adapters/trimming/filtering/splitting/merging...)

基本命令 simple usage

• for single end data (not compressed)

fastp -i in.fq -o out.fq

• for paired end data (gzip compressed)

fastp -i in.R1.fq.gz -I in.R2.fq.gz -o out.R1.fq.gz -O out.R2.fq.gz

• option

usage: fastp -i <in1> -o <out1> [-I <in1> -O <out2>] [options...]
options:

# I/O options
-i, --in1 read1 input file name (string)
-o, --out1 read1 output file name (string [=])
-I, --in2 read2 input file name (string [=])
-O, --out2 read2 output file name (string [=])

PS. 更詳細使用可以到github文檔裏面看

自動生成質控文件fastp.html和fastp.json，可以通过--html 和--json指定文件名字。

thread 默認為2，可以設定 -w, --thread ，最大為16

處理帶UMI 的fastq數據

fastp -i in.R1.fq.gz -I in.R2.fq.gz \
      -o out.R1.fq.gz -O out.R2.fq.gz \
      --umi \
      --umi_loc per_read \
      --umi_len 6 \
      --umi_prefix UMI \
      --umi_skip 4 

• option

--umi # enable umi                           
--umi_loc per_read # read1和read2都有UMI
--umi_len 6 # UMI序列長度
--umi_prefix UMI #UMI序列前綴
--umi_skip 4 # UMI序列後要切除的鹼基數

更多資訊參考這篇paper