如何使用Trimmomatic對NGS數據進行質量過濾

本篇文章給大家分享的是有關如何使用Trimmomatic對NGS數據進行質量過濾，小編覺得挺實用的，因此分享給大家學習，希望大家閱讀完這篇文章后可以有所收獲，話不多說，跟著小編一起來看看吧。

Trimmomatic 軟件可以對NGS測序數據進行質量過濾，其去除adapter的功能只是針對illumina的序列，從reads的3’端識別adapter序列并去除，相比cutadapt，少了幾分靈活性。但是在過濾低質量序列時，采用了滑動窗口的算法，給定窗口長度和步長，如果該窗口內所有堿基的平均質量值低于閾值，則將該窗口及其以后的堿基全部去除。對于數據量很多的reads, 滑動窗口算法比cutadapt的算法運行速度更快。官網如下

http://www.usadellab.org/cms/?page=trimmomatic

該軟件采用java語言開發，直接下載打包好的jar文件即可。最新版本為v0.38, 官網提供了二進制文件的壓縮包，如下所示

下載后，解壓縮即可。該軟件可以對序列執行以下幾種操作

1. 去除adapter序列

在去除adapter時，需要指定一個fasta格式的文件，里面是對應的adapter序列。軟件內置了幾種常見的illumina adapter 序列文件，詳細列表如下

1. NexteraPE-PE.fa

2. TruSeq2-PE.fa

3. TruSeq2-SE.fa

4. TruSeq3-PE.fa

5. TruSeq-3-PE-2.fa

6. TruSeq-3-SE.fa

   
   

當然，也可以自定以adapter序列文件。通過ILLUMINACLIP參數指定adapter序列的文件，寫法如下

ILLUMINACLIP:TruSeq2-PE.fa:2:30:10

TruSeq2-PE.fa表示查找該文件提供的adapter序列，在查找時，首先執行一個seed match, 就是只在序列中查找adapter的前幾個堿基，如果前幾個堿基都找不到，就沒必要在查找后面的堿基了，通過seed match可以加快運行速度，2表示在進行seed match時，允許的最大錯配數；當滿足了seed match后，trimmomatic會將adapter 序列的全長與輸入序列進行比對，從而識別adapter序列。此時兩種模式，palindromeClip模式允許查找adapter序列的反向互補序列，比如雙端測序中，R2端序列會包含5’端adapter序列的反向互補序列，30表示該模式下至少需要匹配的堿基數，另外一種叫做SimpleClip模式，只考慮提供的adapter序列，不考慮反向互補，10表示該模式下至少需要匹配的堿基數。

2. 去除低質量序列

trimmomatic 采用滑動窗口的方式去除低質量序列，需要指定滑動窗口的大小和平均質量的閾值，通過SLIDINGWINDOW參數指定，寫法如下

SLIDINGWINDOW:4:15

第一個數字4代表滑動窗口的大小為4bp,第二個數字15代表堿基質量閾值為15。如果窗口內4個堿基的平均質量值低于15，該窗口及之后的序列都會被去除。

3. 去除reads 5’端的低質量堿基

通過LEADING參數指定閾值，寫法如下

LEADING:3

如果序列頭部的堿基質量值低于3，則去除該堿基。

4. 去除reads 3’端的低質量堿基

通過TAILING參數指定閾值，寫法如下

TRAILING:3

如果序列尾部的堿基質量值低于3，則去除該堿基。

5. 從序列頭部切除指定長度的堿基

通過HEADCROP參數指定長度，寫法如下

HEADCROP:5

表示從每條序列的開頭切掉5個堿基。

6. 將序列切割成指定長度

通過CROP參數指定長度，寫法如下

CROP:120

表示將所有序列截取為120bp的長度。

7. 去除長度過短的序列

長度的閾值通過MINLEN參數指定，寫法如下

MINLEN:36

如果序列長度低于36bp,則該序列會被去除。

可以根據自己的需要選擇性的執行以上步驟，參數定義的順序指定了每個步驟被執行的順序。

對于單端測序數據，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

對于雙端測序數據，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對NGS數據進行質量過濾，小編相信有部分知識點可能是我們日常工作會見到或用到的。希望你能通過這篇文章學到更多知識。更多詳情敬請關注億速云行業資訊頻道。