新手，剛做完一個ChIP-Seq項目的分析，來記錄一下单芜，會分好幾篇。
首先是下機數(shù)據(jù)fastqc之后會生成一個html格式的報告枚冗，根據(jù)報告可以看出自己數(shù)據(jù)的特點缓溅，便于之后clean的參數(shù)設(shè)置。以下是fastqc（v0.11.5）報告的內(nèi)容說明（以自己的數(shù)據(jù)為例赁温，經(jīng)公司粗過濾后的下機數(shù)據(jù)）有網(wǎng)上搜索到的也有自己的體會：
basic?statistics：
基本信息
Per base sequence quality：
堿基質(zhì)量坛怪，F(xiàn)red值=-10*log10(p)；p為某堿基測錯的概率股囊，若quality是20則概率為0.01袜匿，一般集中在30-40；如圖橫軸代表位置稚疹，縱軸quality居灯。紅線表示中位數(shù)，藍線是平均數(shù)内狗，觸須是10%-90%區(qū)間怪嫌，黃色是25%-75%區(qū)間（此圖沒有）；若任一位置的下四分位數(shù)低于10或中位數(shù)低于25柳沙，報"WARN"岩灭；若任一位置的下四分位數(shù)低于5或中位數(shù)低于20，報"FAIL".
Per?tile Sequence Quality：
橫軸是位置赂鲤，縱軸是tile的index編號噪径，熱圖顏色淺代表質(zhì)量低柱恤。當某些tile出現(xiàn)暖色時，后續(xù)分析應(yīng)把該tail測序結(jié)果全部去除找爱。
這一模塊是檢查reads中每一個堿基位置在不同的測序小孔之間的偏離度梗顺，藍色表示低于平均偏離度，越紅則說明偏離平均質(zhì)量方差越多车摄，也就是說質(zhì)量越差寺谤。如果出現(xiàn)質(zhì)量問題可能是短暫的，如有氣泡產(chǎn)生练般，也可能是長期的矗漾，如在某一小孔中存在殘骸。問題不大薄料。
per?sequence?quality?scores：
橫軸是質(zhì)量Q值敞贡，縱軸是對應(yīng)的reads數(shù)目。主要集中在高分摄职，證明測序質(zhì)量好誊役。
Per Base Sequence Content：
所有reads每一個位置的堿基分布」仁校縱軸為百分比蛔垢。ATCG出現(xiàn)的頻率應(yīng)該接近，且沒有位置差異迫悠，四條線應(yīng)該平行且接近鹏漆。當部分位置堿基的比例出現(xiàn)bias時，往往是有overrepresented sequence的污染创泄。當所有位置的堿基比例一致的表現(xiàn)出bias時艺玲，即四條線平行但分開，往往代表文庫有bias (建庫過程或本身特點)鞠抑，或者是測序中的系統(tǒng)誤差饭聚。 當任一位置的A/T比例與G/C比例相差超過10%，報"WARN"搁拙；當任一位置的A/T比例與G/C比例相差超過20%秒梳，報"FAIL"。
per?sequence GCcontent：
紅色是實際值箕速，若出現(xiàn)雙峰酪碘，則是混入了其它DNA。
per?base N?content：
測序儀不能分辨的堿基為N盐茎，若超過5%則WARN婆跑，超過20%則FAIL。
sequence?length?distribution：
理論上每次測序儀測出的read長度一致庭呜，但由于建庫等因素通常會導(dǎo)致一些小片段滑进，如果報FAIL，表明此次測序過程中產(chǎn)生的數(shù)據(jù)不可信募谎。未過濾之前如圖一扶关，clean之后會出現(xiàn)圖二，越短的reads越少数冬，不會正態(tài)分布节槐。
sequence?duplication?levels：
序列完全一致的reads的頻率。橫軸表示重復(fù)的次數(shù)拐纱，縱軸表示重復(fù)的reads的數(shù)目（ 以unique reads的總數(shù)作為100%）铜异。一般測序深度越高，越容易產(chǎn)生一定程度的重復(fù)序列秸架。但是read越長越不容易完全重復(fù)（測序錯誤揍庄、偏差等原因），所以重復(fù)程度可能是低估的东抹。
overrepresented?sequences：
No蚂子。指有某個序列大量出現(xiàn)（fastqc的標準是0.1%以上）一般有在前面GC圖能看出來。
adapter?content：
橫軸表示堿基位置缭黔，縱軸表示百分比食茎。當fastqc分析時沒有選擇參數(shù)-a adapter list時，默認使用圖例中的4種通用adapter序列進行統(tǒng)計馏谨。若有adapter殘留别渔，后續(xù)必須去接頭。
Kmer?content：
某k個bp的短序列在reads中大量出現(xiàn)惧互。fastqc默認的k=5哎媚，可以通過-k --?kmers參數(shù)更改，范圍是2-10壹哺。出現(xiàn)圖一這種情況的原因要么是序列本身重復(fù)度高抄伍，比如建庫PCR的時候出現(xiàn)了Bias」芟或者adapter沒有除干凈截珍。clean之后前幾個堿基還有少數(shù)高頻也沒關(guān)系，不影響后續(xù)分析箩朴，可正常使用岗喉。
以上。
可以看出我這批數(shù)據(jù)質(zhì)量還是很好的炸庞，其實可以直接比對钱床，已經(jīng)是公司粗過濾之后的。但是我選擇了自己再過濾一遍埠居，下一個筆記會講查牌。
