高通量测序数据下机后的原始fastq文件，包含4行，其中一行为质量值，另外一行则为对应序列，我们都了解高通量的数据处理首先要进行质量控制，这些过程包括去接头、过滤低质量reads、去除低质量的3’和5’端，去除N较多的reads等，而针对高通量测序数据的质控软件也有很多，在这里给大家介绍一款“老牌子”的质控工具fastx_toolkit，它是一个软件包，包含了多个质控命令，下面我们就逐个讲解其参数及使用：
1. fastq_quality_converter [-h] [-a] [-n] [-z] [-i INFILE] [-f OUTFILE]直观观察质量值
[-h] =打印帮助
[-a] = 输出ASCII的质量得分(默认).
[-n] = 输出质量值数据.
[-z] = GZIP压缩输出.
[-i INFILE] = 输入fasta/fastq格式的文件.
[-o OUTFILE] = 输出fasta/fastq文件.
2. fastq_masker [-h] [-v] [-q N] [-r C] [-z] [-i INFILE] [-o OUTFILE]屏蔽低质量碱基
[-q N] =质量门限值，质量值低于这个门限值的将被mask掉，默认值为10
[-r C] = 用C替代低质量的碱基，默认用N来替代
[-z] = 输出用GZIP压缩.
[-i INFILE] = 输入FASTA文件
[-o OUTFILE] = 输出文件
[-v] = 详细-报告序列编号，如果使用了-o则报告会直接在STDOUT，如果没有则输入到STDERR
3. fastq_quality_filter [-h] [-v] [-q N] [-p N] [-z] [-i INFILE] [-o OUTFILE]过滤低质量序列
[-q N] = 最小的需要留下的质量值
[-p N] = 每个reads中最少有百分之多少的碱基需要有-q的质量值
[-z] =压缩输出
[-v] =详细-报告序列编号，如果使用了-o则报告会直接在STDOUT，如果没有则输入到STDERR
4. fastq_quality_trimmer [-h] [-v] [-t N] [-l N] [-z] [-i INFILE] [-o OUTFILE] 修剪reads的末端
[-t N] = 从5'端开始，低与N的质量的碱基将被修剪掉
[-l N] = 修建之后的reads的长度允许的最短值
[-z] = 压缩输出
[-v] =详细-报告序列编号，如果使用了-o则报告会直接在STDOUT，如果没有则输入到STDERR
5. fastq_to_fasta [-h] [-r] [-n] [-v] [-z] [-i INFILE] [-o OUTFILE]fastq转换成fasta [-r] = 序列用序号重命名
[-n] = 保留有N的序列，默认不保留
[-z] = 压缩输出
6. fastx_trimmer [-h] [-f N] [-l N] [-t N] [-m MINLEN] [-z] [-v] [-i INFILE] [-o OUTFILE]从3'开始到5'哪些部分保留
[-f N] = 从第几个碱基开始保留，默认第一个
[-l N] = 后面从第几个碱基开始保留，默认全部碱基都保留.
[-t N] =序列尾部修剪掉N个碱基.
[-m MINLEN] = 修剪掉长度小于MINLEN的序列.
7. fastx_quality_stats [-h] [-N] [-i INFILE] [-o OUTFILE]fastq文件的质量值进行统计
[-i INFILE] = 输入fastq文件
[-o OUTFILE] = 输出的文本文件名字
[-N] =使用新的输出格式，默认使用老格式
老格式输出文件：下面一行代表输出文件的一列
column=1到36
count = 这列有多少碱基
min = 这列的碱基质量最小值
max = 这列的碱基质量最大值
sum = 这列的碱基质量的总和
mean =这列的碱基质量平均值
Q1 = 1/4碱基质量值
med = 碱基质量值的中位数
Q3 = 3/4碱基质量值.
IQR = Q3-Q1
lW = 'Left-Whisker' value (for boxplotting).
rW = 'Right-Whisker' value (for boxplotting).
A_Count =本列A的数目
C_Count = 本列C的数目.
G_Count = 本列G的数目.
T_Count = 本列T的数目.
N_Count =本列N的数目.
max-count =碱基数目的最大值
新的输出格式：
循环数
最大数目
对每个循环的碱基 (ALL/A/C/G/T/N):
count = 本列碱基的数目
min = 本列碱基质量的最小值
max = 本列碱基质量的最大值.
sum = 本列碱基质量的综合.
mean = 本列碱基质量的平均值
Q1 = 1/4碱基质量值
med = 碱基质量值的中位数
Q3 = 3/4碱基质量值
IQR = Q3-Q1
lW = 'Left-Whisker' value (for boxplotting).
rW = 'Right-Whisker' value (for boxplotting).
8. fastq_quality_boxplot_graph.sh [-i INPUT.TXT] [-t TITLE] [-p] [-o OUTPUT]绘制碱基质量分布盒式图
[-p] =产生.PS文件，默认产生png图像
[-i INPUT.TXT]=输入文件为 fastx_quality_stats的输出文件
[-o OUTPUT] =输出文件的名字
[-t TITLE] =输出图像的标题
9. fastx_nucleotide_distribution_graph.sh [-i INPUT.TXT] [-t TITLE] [-p] [-o OUTPUT]绘制碱基分布图
[-p] =产生.PS文件，默认产生png图像.
[-i INPUT.TXT] =输入文件为 fastx_quality_stats的输出文件
[-o OUTPUT] =输出文件的名字.
[-t TITLE] =输出图像的标题
10. fastx_clipper [-h] [-a ADAPTER] [-D] [-l N] [-n] [-d N] [-c] [-C] [-o] [-v] [-z] [-i INFILE] [-o OUTFILE] 去掉接头序列
[-a ADAPTER] =接头序列（默认为CCTTAAGG）
[-l N] = 忽略那些碱基数目少于N的reads，默认为5
[-d N] = 保留接头序列后的N个碱基默认 -d 0
[-c] = 放弃那些没有接头的序列.
[-C] = 只保留没有接头的序列.
[-k] = 报告只有接头的序列.
[-n] = 保留有N多序列，默认不保留
[-v] =详细-报告序列编号
[-z] =压缩输出.
[-D] = 输出调试结果.
[-M N] =要求最小能匹配到接头的长度N，如果和接头匹配的长度小于N不修剪
[-i INFILE] = 输入文件
[-o OUTFILE] = 输出文件
转载本文请联系原作者获取授权，同时请注明本文来自熊朝亮科学网博客。
链接地址：http://blog.sciencenet.cn/blog-1509670-848270.html