SuperAPI AI 工具集

bio-read-qc-contamination-screening

通用与其它

查看项目

更新于 10-15 21:55

技能介绍

用途:对 FASTQ 测序数据做污染筛查,用 FastQ Screen 将部分读段比对到多个参考基因组,识别跨物种污染、细菌/病毒污染、接头序列、PhiX spike-in 以及样本错配。

主要能力:支持多文件批量筛查、自定义配置文件、指定输出目录;可设置抽样读段数(默认 100000,--subset 0 表示全部)、线程数;支持双端(默认只筛 R1,--paired 强制两端);可生成 PNG 图、文本结果与 HTML 报告,或用 --nograph 仅输出文本;--tag 生成额外比对统计;--filter 按映射状态筛选读段(0 未映射、1 唯一映射、2 多次映射、3 映射、- 忽略该基因组)。

使用方式:基本命令为 fastq_screen sample.fastq.gz;批量可用 fastq_screen .fastq.gz;指定输出目录 fastq_screen --outdir qc_results/ sample.fastq.gz;自定义配置 fastq_screen --conf my_screen.conf sample.fastq.gz。配置文件用 DATABASE 指定各参考库路径,BOWTIE2 或 BWA 指定比对器,THREADS 设置线程。可用 fastq_screen --get_genomes 下载常见筛查库(Human、Mouse、Rat、E.coli、PhiX、Adapters 等)。自定义库可用 bowtie2-build reference.fa reference 建索引后加入配置。结果文件包括 _screen.txt、_screen.png、_screen.html,MultiQC 可自动识别并汇总。

适用场景:人类/小鼠等样本的常规污染检查、接头与 PhiX 残留评估、细菌或 rRNA 污染判断、样本错配排查,以及去除污染前的筛查。

限制:资料未提供具体性能基准、数据库体积或许可信息;抽样默认仅 10 万条读段,可能影响低比例污染的检出;双端默认只筛 R1;过滤与去除污染需自行确认参考库与参数,资料中 BBDuk 去除示例仅为可选方案。