[生物学]GA数据流程.ppt

GA数据处理流程 Hiseq数据处理流程 GAHIseq数据处理输出文件fastq文件 @Reads ID 碱基序列 + 碱基质量 4行表示一条reads @FC617B0AAXX:3:17:1052:2159#0/1 AAATTGTGGGGAGCAAGGCCTCTGAATTGGCTAAAAC + bbbbbbbbbbb\b]bbaababb``b^]]^]_b`bbbb @FC617B0AAXX:3:17:1053:18233#0/1 TTTTAAAGGAGCATGAGAAAACTTTTGAGGTGATAGC + _Ya`a`[^a```^T^^^X[WX^^V```VY^HWJVV`^ @FC617B0AAXX:3:17:1053:16055#0/1 CGCATGGTAAAATATCAAAAGTCTAAGCAAATAGTCT + ^`^`]XZ__MNNNNN``__[`````U`]V_BBBBBBB GAHIseq数据处理输出文件fastq文件 Single-end测序，每个样品只有1个fastq文件 Pair-end测序，Read1有1个fastq文件，Read2有1个fastq文件 Reads ID @ [FC编号] : [Lane编号] : [Tile编号] : [X坐标] : [Y坐标] # [index序列] #0表示非index测序 /1 表示Read1 /2 表示Read2 @FC617B0AAXX:3:17:1053:16055#0/1 @FC617B0AAXX:3:17:1053:16055#0/2 @FC61FL8AAXX:1:17:1013:17324#GCCAAT/1 @FC61FL8AAXX:1:17:1013:17324#GCCAAT/2 GAHIseq数据处理输出文件fastq文件 碱基序列——用A, C, G, T, N表示 Read1的reads和Read2的reads一一对应 Read1中reads的数量 = Read2中reads的数量 Read1的fastq文件 *1.fq中第一条reads： @FC61FL8AAXX:1:17:1012:19200#GCCAAT/1 CCACTGTCATGTGAACATCACAGAGACATTTCTTGA + bbbbbbbbbbabbbbbbbbbbbbbbaaaaaaaaa_\ Read2的fastq文件 *2.fq中第一条reads： @FC61FL8AAXX:1:17:1012:19200#GCCAAT/2 AAAATTAGCCAGGCAATGGTGGTGCATGCCTTTAATCCCAGCTA + `QVVV``V``````YVYWWYPWYYTYYWUYYYVV```````WW` GAHIseq数据处理输出文件fastq文件 碱基序列 Read1中所有reads长度相同， Read2中所有reads长度相同， 但是Read1和Read2长度可以不相同，取决于上机测序类型 每个Lane的正常产量范围： GA 25~30M reads — Read1和Read2各有25~30M Hiseq约50~60M reads — Read1和Read2各有50~60M 碱基总产量 = Read1的产量 + Read2的产量 = reads数量＊(Read1的长度 + Read2的长度) GAHIseq数据处理输出文件fastq文件 质量值 @FC61FL8AAXX:1:17:1012:19200#GCCAAT/1 CCACTGTCATGTGAACATCACAGAGACATTTCTTGA + bbbbbbbbbbabbbbbbbbbbbbbbaaaaaaaaa_\ 表示方法 Illumina：字符的ASCII值 - 64 = 质量值 ( Sanger：字符的ASCII值 - 33 = 质量值) 范围 Illumina1.3+(09年3月之后): [2,35] [B,c] Illumina1.0 (09年3月之前): [-5,40] [;,h] 质量值与错误率理论关系： Q =-10 log10(e) 质量值计算方法：根据光强信号信噪比、光强度衰减、GC含量等参数，计算质量值 问题1：Pair-end关系 200~800bp文库 PCR free 文库 文库制备完成后 Cluster制备完成后 Read1测序 Read1测序 Read2之前的Cluster扩增，保留原母版分子的反向互补 Read2测序 文库分子与测序得到的序列 参考序列与测序得到的序列 或者： 总之，Read1，Read