有参考基因组地转录组生物的信息分析报告实用模板.docxVIP

一、生物信息分析流程 获得原始测序序列(Sequenced Reads)后，在有相关物种参考序列或参考基因组的情况下，通过如下流程进行生物信息分析：  二、项目结果说明 1　原始序列数据 HYPERLINK F:\\soybean\\transcriptome analysis\\有参考基因组转录组生物信息分析结题报告模板 2013 05\\有参考基因组转录组生物信息分析模板 2013 05\\results\\1.OriginalData \o 点击打开 \t _blank 高通量测序(如illumina HiSeqTM2000/MiSeq等测序平台)测序得到的原始图像数据文件经碱基识别(Base Calling)分析转化为原始测序序列(Sequenced Reads)，我们称之为Raw Data或Raw Reads，结果以FASTQ(简称为fq)文件格式存储，其中包含测序序列(reads)的序列信息以及其对应的测序质量信息。 HYPERLINK F:\\soybean\\transcriptome analysis\\有参考基因组转录组生物信息分析结题报告模板 2013 05\\有参考基因组转录组生物信息分析模板 2013 05\\results\\1.OriginalData\\example.fq.txt \o 点击打开 \t _blank FASTQ格式文件中每个read由四行描述，如下： @EAS139:136:FC706VJ:2:2104:15343:197393 1:Y:18:ATCACG GCTCTTTGCCCTTCTCGTCGAAAATTGTCTCCTCATTCGAAACTTCTCTGT + @@CFFFDEHHHHFIJJJ@FHGIIIEHIIJBHHHIJJEGIIJJIGHIGHCCF 其中第一行以“@”开头，随后为illumina 测序标识符(Sequence Identifiers)和描述文字(选择性部分)；第二行是碱基序列；第三行以“+”开头，随后为illumina 测序标识符(选择性部分)；第四行是对应序列的测序质量(Cock et al.)。 illumina 测序标识符详细信息如下： EAS139 Unique instrument name 136 Run ID FC706VJ Flowcell ID 2 Flowcell lane 2104 Tile number within the flowcell lane 15343 x-coordinate of the cluster within the tile 197393 y-coordinate of the cluster within the tile 1 Member of a pair, 1 or 2 (paired-end or mate-pair reads only) Y Y if the read fails filter (read is bad), N otherwise 18 0 when none of the control bits are on, otherwise it is an even number ATCACG Index sequence 第四行中每个字符对应的ASCII值减去33，即为对应第二行碱基的测序质量值。如果测序错误率用e表示，illumina HiSeqTM2000/MiSeq的碱基质量值用Qphred表示，则有下列关系： 公式一：　Qphred　=　-10log10(e) illumina Casava 1.8版本测序错误率与测序质量值简明对应关系如下： 测序错误率 测序质量值 对应字符 5% 13 . 1% 20 5 0.1% 30 ? 0.01% 40 I 2　测序数据质量评估 HYPERLINK F:\\soybean\\transcriptome analysis\\有参考基因组转录组生物信息分析结题报告模板 2013 05\\有参考基因组转录组生物信息分析模板 2013 05\\results\\2.QualityControl \o 点击打开 \t _blank 2.1　测序错误率分布检查 每个碱基测序错误率是通过测序Phred数值(Phred score, Qphred)通过公式1转化得到，而Phred 数值是在碱基识别(Base Calling)过程中通过一种预测碱基判别发生错误概率模型计算得到的，对应关系如下表所显示： illumina Casava 1.8版本碱基识别与Phred分值之间的简明对应关系 Phred分值 不正确的碱基识别 碱基正确识别率 Q-sorce 10 1/10 90% Q10 20 1/100 99% Q20