Чтения (риды) - фрагменты ДНК, полученные при секвенировании. Для дальнейшей сборки генома, необходимо проанализировать и очистить эти риды.
Для этого практикума нам дан файл с чтениями генома резуховидки Arabidopsis thaliana (мойл файл Ath_tae_CTTGTA_L003_R2_005.fastq.gz).
Анализ качества производится с помощью программы FastQC. Программа FasqQC стоит на kodomo и вызывается командой fastqc Ath_tae_CTTGTA_L003_R2_005.fastq. Html-версия отчета этой программы представлена здесь.
Следующим шагом необходимо очистить наши риды от последовательностей адаптеров, удалить нуклеотиды с низким качеством, удалить чтения короче определенной длины. Все это можно сделать при помощи программы Trimmomatic. В данном случае я использовала формат fastqc phred33.
Тримминг я произвола командой
где ILLUMINACLIP:adapters.fasta:2:7:7 - удаляет последовательности адаптеров, TRAILING:20 - отрезает с конца каждого прочтения нуклеотиды качеством ниже 20, MINLEN:50 - удаляет риды длиной меньше 50.
Далее была повторна запущена программа FastQC и получена данная html-версия отчета.
Сравним полученные отсчеты. Если первоначальное количество последовательностей было 4 млн, то сейчас 3850300 (~96%). Изменился и график Per base sequence quality, отвечающий за качество последовательностей ридов (Рис. 1 и 2).
По графикам видно, что качество последовательностей после очистки увеличилось. Видим, что все последовательности находятся в "зеленой" области. Особенно это отчетливо проявляется для последних ридов.
Что касается содержания этих последовательностей (график Per base sequence content - Рис. 3 и 4), то оно не изменилось.
Незначительно именилось распредение длин чтений (график Sequence length distribution - Рис. 5 и 6). До очистки встречались лишь последовательности длиной 101, после очистки встречаются и риды меньшей длины. Что логично, так как мы отрезали куски последовательностей.
Рис.1. График Per base sequence quality до очистки
Рис.2. График Per base sequence quality после очистки
Рис.3. График Per base sequence content до очистки
Рис.4. График Per base sequence content после очистки
Рис.5. График Sequence length distribution до очистки
Рис.6. График Sequence length distribution после очистки
Вернуться к 3 семестру