文件格式——fastq格式

fastQ格式

FASTQ是一种存储了生物序列（通常是核酸序列）以及相应的质量评价的文本格式.

他们都是以ASCII编码的。现在几乎是高通量测序的标准格式。NCBI Short Read Archive也是这格式，多了一些描述性词汇而已。

 

基本格式

包含四行，第一行由'@'开始，后面跟着序列的描述信息，这点跟FASTA格式是一样的；

第二行是序列；

第三行由'+'开始，后面也可以跟着序列的描述信息；

第四行是第二行序列的质量评价（quality values，注：应该是测序的质量评价），字符数跟第二行的序列是相等且对应的。

举例子

 

第一行以@开头，后面是reads的ID以及其他信息，例如上例中 HWUSI-EAS100R代表Illmina设备名称，6代表flowcell中的第六个lane，73代表第六个lane中的第73个tile，941:1973代表该read在该tile中的x：y坐标信息；#0，若为多样本的混合作为输入样本，则该标志代表样本的编号，用来区分个样本中的reads；/1代表paired end中的前一个read。

第二行为read的序列。

第三行以“+”开头，跟随者该read的名称（一般于@后面的内容相同），但有时可以省略，但“+”一定不能省。

第四行代表reads的质量。这一行可以详细说一下！

Q值得计算

Illumina测序仪是按照荧光信号来判断所测序的碱基是哪一种的，例如红黄蓝绿分别对应ATCG，那么一旦出现一个紫色的信号该怎么判断呢，因此对每个结果都有一个概率的问题。起初sanger中心用Phred quality score来衡量该read中每个碱基的质量，既-10lgP ，其中P代表该碱基被测序错误的概率，如果该碱基测序出错的概率为0.001，则Q应该为30，那么30+33=63，那么63对应的ASCii码为“？”，则在第四行中该碱基对应的质量代表值即为“？”，ASCii参考如图2

P=0.001时，Q=30;P=0.01时，Q=20;P=0.1时，Q=10。

 

图2

格式转换

FASTQ格式与Fasta格式、GenBank等格式可以相互转换。格式转换器如下：

Biopython version 1.51 onwards (interconverts Sanger, Solexa and Illumina 1.3+)

EMBOSS version 6.1.0 patch 1 onwards (interconverts Sanger, Solexa and Illumina 1.3+)

BioPerl version 1.6.1 onwards (interconverts Sanger, Solexa and Illumina 1.3+)

BioRuby version 1.4.0 onwards (interconverts Sanger, Solexa and Illumina 1.3+)

BioJava version 1.7.1 to 1.8.x (interconverts Sanger, Solexa and Illumina 1.3+)

MAQ can convert from Solexa to Sanger (use this patch to support Illumina 1.3+ files).

fastx_toolkit The included fastq_quality_converter program can convert Illumina to Sanger

Illumina中应用

   Illmina有多种测序仪，从早期的GA、Hiseq2000、Hiseq2500以及Hiseq X, Hiseq2000一个flowcell中包含8个lane，每个lane可以测一个文库或多样本的混合文库，多样本混合文库如果需要后期区分则每个文库需要一个独特的标签，即Index。其中一个lane包含3列(3个Swath)，每一列又包含8个tile，每一个tile又会种下不同的cluster，如图1所示为Hiseq2500的FlowCell的一个表面。图3

 

图3