【T】每日一生信

 Fastq格式里的reads质量得分编码方式有好几种，现在Illumina用的一般是Phred33，但偶尔还会遇到Phred64（旧版本）的。附件里的perl脚本可以把质量得分以数字的形式打印出来，并帮助判断是Fastq32格式还是Phred64。

    

   FASTQ是基于文本的，保存生物序列（通常是核酸序列）和其测序质量信息的标准格式。其序列以及质量信息都是使用一个ASCII字符标示，最初由Sanger开发，目的是将FASTA序列与质量数据放到一起，目前已经成为高通量测序结果的事实标准。FASTQ格式的序列一般都包含有四行，第一行由'@'开始，后面跟着序列的描述信息，这点跟FASTA格式是一样的。第二行是序列。第三行由'+'开始，后面也可以跟着序列的描述信息。第四行是第二行序列的质量评价（qualityvalues，注：应该是测序的质量评价），字符数跟第二行的序列是相等的。

例子：

@FCC0U6BACXX:6:1101:1418:2067#CTAGTTAT/1

CCGGTAAAGGATCGTATCCTGCGTGCACGATGGCGGTATTTGCGCTGGATACACCCATCCCAATATCAGCTGCTTTATCGATCAACAAGA

+

abbecceegggggiihhhfgihiifhhiihiiiihiZafgffhihg]aabdedddcab^ac`bcbb_]`bcccR]SSYSWQ[JT]`_^X[

6	flowcell lane
1101	tile number within the flowcell lane
1418	‘x’-coordinate of the cluster within the tile
2067	‘y’-coordinate of the cluster within the tile
#CTAGTTAT	index number for a multiplexed sample (0 for no indexing)
/1	the member of a pair, /1 or /2 (paired-endor mate-pair reads only)

关于质量编码格式

质量评分指的是一个碱基的错误概率的对数值。其最初在Phred拼接软件中定义与使用，其后在许多软件中得到使用。其质量得分与错误概率的对应关系见下表：

Phred quality scores are logarithmically linked to errorprobabilities

PHRED QUALITY SCORE PROBABILITY OF INCORRECT BASE CALL BASECALL ACCURACY

10                    1 in 10                      90 %

20                    1 in 100                       99 %

30                    1 in 1000                      99.9 %

40                    1 in 10000                99.99%

50                    1 in 100000               99.999 %

Phred quality scores Q are defined as a property which islogarithmically related to the base-calling error probabilitiesP.

Q=-10log10P

对于每个碱基的质量编码标示，不同的软件采用不同的方案，目前有5种方案：

Sanger，Phred qualityscore，值的范围从0到92，对应的ASCII码从33到126，但是对于测序数据（raw readdata）质量得分通常小于60，序列拼接或者mapping可能用到更大的分数。

Solexa/Illumina 1.0, Solexa/Illumina qualityscore，值的范围从-5到63，对应的ASCII码从59到126，对于测序数据，得分一般在-5到40之间；

Illumina 1.3+，Phred qualityscore，值的范围从0到62对应的ASCII码从64到126，低于测序数据，得分在0到40之间；

Illumina 1.5+，Phred qualityscore，但是0到2作为另外的标示，详见http://solexaqa.sourceforge.net/questions.htm#illumina

Illumina 1.8+

最重要的是通过下面的这个脚本，我知道了我的测序采用的是phred64这个编码。

参考资料：

jiewencai的个人博客  http://blog.sciencenet.cn/blog-630246-709629.html

博耘生物           http://boyun.sh.cn/bio/?p=1901

维基百科           http://en.wikipedia.org/wiki/FASTQ_format