怎么使用trim_galore對NGS數據進行質量過濾

怎么使用trim_galore對NGS數據進行質量過濾，相信很多沒有經驗的人對此束手無策，為此本文總結了問題出現的原因和解決方法，通過這篇文章希望你能解決這個問題。

cutadapt軟件可以對NGS數據進行質量過濾，FastQC軟件可以查看NGS數據的質量分布，trim_galore將這兩個軟件封裝到一起，使用起來更加的方便。

該軟件會對數據進行以下4步處理

1. 去除reads 3’端的低質量堿基

illumina平臺的測序數據，通常3’端質量較差。trim_galore首先會過濾掉3’端的低質量堿基，本質上是調用了cutadapt的質量過濾算法。下圖是過濾前后堿基質量的分布圖

可以看到，過濾掉低質量堿基后，序列的整體質量顯著提高。

2. 去除adapter序列

過濾掉低質量的堿基之后，trim_galore會調用cutadapt在reads的3’端查找adapter 序列并去除。通常情況下，我們需要指定對應的adapter序列，如果沒有指定的化，trim_galore會自動查找以下3種類型的adapter

Illumina:   AGATCGGAAGAGC
Small RNA:  TGGAATTCTCGG
Nextera:    CTGTCTCTTATA

默認讀取前一百萬條序列，通過這一百萬條序列判斷adapter屬于上述三種的哪一種，然后進行去除。如果你不希望軟件自動判斷，也可以通過--illumina, --nextera, --small_rna參數指定對應的adapter類型。

3. 去除長度太短的序列

經過上述兩步處理之后，有可能剩余的序列長度很短，這部分短序列也會被去除。默認情況下，如果序列長度少于20bp, 這條序列會被丟掉。

4. 其它過濾

對于所有的輸入序列，以上3個步驟是肯定會執行的。除此之，trim_galore還支持一些其他的過濾措施，以滿足個性化的需求。

hardtrim5參數用于從序列的3’端切除堿基，示意如下

before:         CCTAAGGAAACAAGTACACTCCACACATGCATA
--hardtrim5 20: CCTAAGGAAACAAGTACACT

通過hardtrim5參數可以將序列截取成固定長度。與之對應的，還有一個hardtrim3參數，從序列的5’端切除堿基，示意如下

before:         CAAATGTTATTTTTAAGAAAATGGAAAAT
--hardtrim3 20:          TTTTTAAGAAAATGGAAAAT

軟件的安裝也很方便，首先需要確保cutadapt和fastqc這兩個軟件已經安裝，并且可執行文件位于PAH環境變量定義的路徑種。然后下載trim_galore的源代碼包，解壓即可，代碼如下

wget https://github.com/FelixKrueger/TrimGalore/archive/0.5.0.tar.gz
tar xzvf 0.5.0.tar.gz

在軟件的安裝目錄有一個名為trim_galore的可執行文件。

對于單端測序數據，基本用法如下

trim_galore  --quality 20 -a AGATCGGAAGAGC --length 20  -o out_dir  input.fq

對于雙端測序數據，基本用法如下

trim_galore --paired --quality 20 -a AGATCGGAAGAGC   -a2 AGATCGGAAGAGC --length 20  -o out_dir  R1.fq.gz R2.fq.gz

看完上述內容，你們掌握怎么使用trim_galore對NGS數據進行質量過濾的方法了嗎？如果還想學到更多技能或想了解更多相關內容，歡迎關注億速云行業資訊頻道，感謝各位的閱讀！