加载中…不同测序方法序列格式及质量
(2013-11-09 21:58:13)1. 不同测序平台原始数据的格式略有不同，454
测序平台的原始数据格式一般
为 FASTA 或者 FASTQ 格式，Illumina/Solexa
平台一般为 FASTQ 格式，而 SOLiD
平台由于其测序结果中一般包含了信号峰值，所以一般不为通用的 FASTA
或者
FASTQ 格式，而是 CSFASTA 格式以及 QV.qual
的质量文件，但是可以通过程序
脚本将其转换成通用格式，转换后的 fastq
格式虽然通用，但是其准确性比原始
格式略差。
2. FASTQ 格式以测序读段（read）为单位
进行存储，每条 read
占四行，其中第一行和第三行由文件识别标志和读段名（read
ID）组成（第一行以“@”开头，第三行则以“+”开头；有时候第三行中的
ID
号可以省略，但是“+”号不能省略），第二行为碱基序列，第四行为对应的测序
质量分数。如下，
@HWI-ST507:4:75:4291:2239#0/1
AAGCTTGTTGAAGGCTACCAAAAACGATTACAAGCTGTAATTTCTGCTAAAG
+HWI-ST507:4:75:4291:2239#0/1
ggggegegfggggdgggg_ggcg\gfdYadddea]`cc_cc`c\[ed\^`]]
对于 FASTQ 中的每一条 read
来说，都有一个唯一的标识名称，如上面第一
行的 HWI-ST507:4:75:4291:2239#0/1，其中
HWI-ST507 是测序仪的唯一标识号，
4 表示这批测序是在测序仪中第四个道进行的，75 表示这批测序数据每个
read
都是 75bp 长，4291 和 2239 都是测序仪中的坐标数，#0
表示了在多样本测序时
的索引号，而 0 就表示是单样本，/1 是每对 paired-end 或
mate-pair 的 reads 中的
第一个
read。当然标识名称的组成并没有固定的限制，在新的测序仪或者某些实
验室里，都会有一些特定的名称，比如 NCBI 的
SRA（Sequence Read Archive）
数据库中，每个名称上都会加入 SRA 号等标记
对于每一条序列来说，每个碱基都有其对应的测序质量。质量值 Q
是相应
碱基识别不正确的概率 p 的一个整数映射。传统的标准 Sanger
测序质量值是基
于碱基识别可靠性的评估，通常称为 Phred
质量分数，其计算公式如下：
Phred 质量分数与错误概率成对数相关，如表 3.1 所示。
表 3.1 Phred 质量分数与错误概率间的相关性
Table 3.1 the correlation between
Phred quality scores and error probabilities
Phred 质量分数 不正确的碱基调用的概
率
碱基调用准确率
10 1 in 10 90%
20 1 in 100 99%
30 1 in 1000 99.9%
40 1 in 10000 99.99%
50 1 in 100000 99.999%
喜欢
0
赠金笔