都2025年了，谁还不会下一代测序（NGS）数据质控（一）

群里有新朋友对NGS测序数据的质控还不熟悉，从今天开始我们就介绍几款常用的质控工具。总的来说，质控工具可以分为两类：能够自动识别测序接头的，和不能够自动识别接头的。首先要介绍的是fastp：一款能够自动识别测序接头的、C++编写的快速一站式质控工具。

主要功能特点

1. 功能多样

fastp支持多种过滤和质量检测，包括检测质量曲线、碱基含量、Q20/Q30、GC含量、重复序列、接头等信息。它还能自动识别并切除接头，这在处理数据时非常方便。

2. 高效过滤

fastp可以去除低质量、短序列和高N含量的序列。通过滑窗平均质量得分过滤5'或3'端的低质量序列，确保数据质量。

3. 纠正测序过程中的错误

fastp能纠正测序过程导致的错配、小插入或删除等。比如fastp支持双端测序错配矫正，这对于提高测序数据的准确性非常重要。能修剪polyX尾，例如mRNA常见的3'端polyA尾。它还去除测序库制备过程中人工添加的适配器序列。

4. UMI预处理

fastp还支持唯一分子识别标识（UMI）的预处理，这对于后续数据分析非常有用。

5. 详细的质量控制报告

fastp通过JSON格式和HTML网页输出结果，报告内容详细且易于理解，内容包括序列质量、GC含量、序列长度分布等信息。HTML报告中有动态图表，非常具有交互性。

此外，fastp支持数据拆分和并行处理，适合大规模数据集的处理，并且操作界面清晰，即使是初学者也能轻松上手。它还提供了丰富的选项，如详细日志输出、帮助信息、I/O选项、适配器修剪选项、全局修剪选项、重复评估与去重、polyG尾部修剪、按质量选项进行的每读切割、质量过滤选项、长度过滤选项、低复杂度过滤、过滤带有不想要的索引的读段以及重叠分析下的碱基校正选项。

总结

fastp无疑是一款不可多得的FASTQ预处理神器。它以其高效、全面、易用的特点，为研究人员提供了极大的便利。fastp需要在Linux或类Unix系统上运行，且需要编译安装，可能对某些用户来说存在一定的安装门槛。在Galaxy生信云平台（usegalaxy.cn）平台上，用户无需自己安装，只需上传FASTQ格式的DNA测序reads，使用FastQC检查reads质量，设置参数进行过滤，查看输出数据集的内容即可。