测序数据5‘和3‘端reads修剪工具sickle

生信与基因组学

大多数现代测序技术产生的3 '端和5 '端质量降低的reads，这两个区域错误地calling base会对组装、下游生物信息学分析造成影响。sickle使用滑动窗口沿着质量和长度阈值，根据质量是否低于阈值来修剪reads的3 '端， 根据质量是否超过阈值来修剪reads的5 '端，还可以根据长度阈值丢弃reads。

sickle支持三种类型测序的质量值：Illumina、Solexa和 Sanger。

sickle修剪转录组测序fastq 5'和3' reads 实例：

# 后台下载SRR3498212.sra
nohup prefetch SRR3498212 &

# 拆分sra为fastq
fastq-dump SRR3498212

# -f 输出fastq文件
# -t fastq测序碱基数据类型
# -o 输出修剪后fastq文件
# -q 质量阈值
# -l 长度阈值
sickle se -f SRR3498212.fastq -t sanger \
-o trimmed_SRR3498212.fastq -q 35 -l 45

# FastQ records kept: 34475799
# FastQ records discarded: 8018698

1. sickle安装

# 下载zip安装包
wget https://github.com/najoshi/sickle/archive/refs/tags/v1.33.zip

# 解压
unzip v1.33.zip 

# 编译
cd sickle-1.33 && make

# 加入环境变量
echo 'export PATH=/path/sickle-1.33/:$PATH' >> ~/.basbrc
source ~/.bashrc

# 查看帮助
sickle -h

2. 单端测序数据修剪

sickle se获取一个输入单端fastq文件，并输出一个修剪后的fastq文件。 它还可以选择更改长度和质量用于微调的阈值，以及禁用5 '微调和启用N碱基截短序列。

# -t 指定输入fastq质量类型为illumina  
sickle se -f input_file.fastq -t illumina  -o trimmed_output_file.fastq

# -q 指定质量阈值为33， -l 指定长度阈值为40
sickle se -f input_file.fastq -t illumina -o trimmed_output_file.fastq -q 33 -l 40

# -x 不进行5'端修剪reads, -x 第一个N碱基位置修剪序列
sickle se -f input_file.fastq -t illumina -o trimmed_output_file.fastq -x -n

# -g 输出.gz fastq文件
sickle se -t sanger -g -f input_file.fastq -o trimmed_output_file.fastq.gz

3. 双端测序数据修剪

sickle pe可以使用两种类型的输入进行操作。 首先，可以将两个双端文件作为输入，并输出两个修剪后的双端文件以及“singles”文件。 第二种形式以单个reads的组合输入文件。

“singles”文件包含正向或反向通过筛选器的reads方向。通过选项（-M）， 可生成一个交错输出文件，其中任何未通过的reads过滤器将输出为一个FastQ记录与一个单一的“N”（其质量值是基于质量类型的最低可能值）。 可以更改长度以及用于修剪的质量阈值，以及禁用5 '-修剪， 允许用N碱基截短序列。

# -o 输出修剪的fastq1, -p 输出修剪会的fastq2, -s 输出singles文件
sickle pe -f input_file1.fastq -r input_file2.fastq -t illumina \
-o trimmed_output_file1.fastq -p trimmed_output_file2.fastq \
-s trimmed_singles_file.fastq

# 加入修剪质量和长度阈值
sickle pe -f input_file1.fastq -r input_file2.fastq -t illumina \
-o trimmed_output_file1.fastq -p trimmed_output_file2.fastq \
-s trimmed_singles_file.fastq -q 12 -l 15

# 加入N碱基修剪
sickle pe -f input_file1.fastq -r input_file2.fastq -t illumina \
-o trimmed_output_file1.fastq -p trimmed_output_file2.fastq \
-s trimmed_singles_file.fastq -n

# -c 单个组合的fastq文件作为输出
sickle pe -c combo.fastq -t sanger -m combo_trimmed.fastq \
-s trimmed_singles_file.fastq -n


sickle pe -t sanger -g -f input_file1.fastq -r input_file2.fastq \
-o trimmed_output_file1.fastq.gz -p trimmed_output_file2.fastq.gz \
-s trimmed_singles_file.fastq.gz

sickle pe -c combo.fastq -t sanger -M combo_trimmed_all.fastq

微信扫一扫分享文章