NGS数据前处理

note

大多数研究者所在的实验室没有条件进行基因测序的，有很多研究所会有测序仪，但是基本上是空置的。大部分研究者是让测序公司代理测序的。公司是以盈利为目的的，所以数据会出现各种各样的问题。

所以要做到以下几点：

1. 对公司的质量报告持怀疑的态度；
2. 自己建立一套质量评估体系；
3. 委托第三方进行评估；

抓质量

对数据进行fastqc分析，对测序数据有基本的了解。在脑海里要设定以下条件：

1. 每一个核苷酸的质量值；
2. 序列中是否含有接头序列，扩增引物序列等；
3. 测序重复率的训低（特别是RNA测序）；

不同类型的数据对数据量的要求不一样，应该根据需求判断数据是否能用于后续分析。

此部分的分析软件：

trimmatic

fastx-tools

比对过程抓质量

很多生物信息分析员看到质量报告符合要求，就认为这个数据后续分析应该是没问题，但是质量控制是贯穿数据分析整个过程的。如何从不对结果中分析数据的质量？

1. 序列比对统计，对不正常数据要有敏感性； total mapped read, corcodant mappping, paired mapped reads

   注意：如何提高对数据的敏感性？唯一的方法是多分析数据，对看已经发表的数据，多去翻查以下ENCODE，ROADMAP PROJECT的数据。

2. 通过可视化判断数据的问题；把比对数据导入到IGV对数据比对质量进行分析。

3. 直接查看数据比对结果，选中一些区域进行检查；

   samtools可以用于查看数据比对结果。
   samtools view -i XX.bam | less -S

4. Picard中Markduplicates对比对结果中的重复率进行计算。通常重复率过高表明这个数据实验过程出现问题。

后续分析结果抓质量

不同的数据分析，这部分的分析不一样。

1. RNAseq看基因的表达量分布图；
2. CHIPseq／BSseq看peak的数量和meta gene plot;
3. capture DNAseq看capture的效率；
4. WGS看平均测序深度；

这方法写得比较简单，只做参考。