SuperAPI AI 工具集

fastp-fastq-preprocessing

前端与建站

查看项目

更新于 10-15 22:40

技能介绍

用途:fastp 在一次多线程运行中完成 Illumina FASTQ 的接头修剪、质量过滤与质控报告生成,是 WGS、RNA-seq、WES、ChIP-seq、ATAC-seq 等流程比对前的标准预处理步骤。它可从双端读段重叠区自动检测接头,无需手动指定;可校正重叠区错配碱基,按质量分数与长度过滤读段,去除 polyX 尾(RNA-seq 的 polyA),并输出交互式 HTML 与机器可读 JSON 报告。资料称其比 Trim Galore 和 Trimmomatic 快 3–10 倍,结果相当或更好。

主要能力:接头自动检测与修剪;质量与长度过滤;双端重叠校正;polyX/polyA 尾去除;低复杂度过滤;按 UMI 或 index 拆分 FASTQ;生成 HTML+JSON 质控报告,可被 MultiQC 聚合。

使用方式:需先确认环境是否已有 fastp(command -v fastp),在 pixi 项目中用 pixi run fastp。安装:conda install -c bioconda fastp,或下载预编译二进制。基本双端用法:fastp -i sample_R1.fastq.gz -I sample_R2.fastq.gz -o sample_R1.trimmed.fastq.gz -O sample_R2.trimmed.fastq.gz -h sample_qc.html -j sample_qc.json --thread 8。常用参数包括 --qualified_quality_phred(默认 15)、--length_required(默认 15)、--correction、--detect_adapter_for_pe、--adapter_sequence、--trim_poly_x、--low_complexity_filter、--split。

适用场景:各类 NGS 比对前修剪;流程首步生成单样本质控报告再交 MultiQC 汇总;双端数据优先用重叠自动检测接头;3′ 富集 RNA-seq(Smart-seq、QuantSeq)去 polyA;按 UMI/index 拆分。若需 Trim Galore 的逐碱基质量报告或 Trimmomatic 的滑窗精细控制,可改用它们。

限制与注意:单端模式无法自动检测接头,需显式指定 --adapter_sequence;--detect_adapter_for_pe 仅用于双端。阈值过严会导致通过率偏低,可放宽 --qualified_quality_phred 至 15、降低 --length_required。JSON 字段缺失可能因版本过旧,需升级。MultiQC 需扫描到 JSON 所在目录。polyA 未去除通常是未设 --trim_poly_x。输出为空多为全部读段被过滤,应检查输入与阈值。

前置条件:fastp(conda 或预编译二进制);输入为原始 Illumina FASTQ(单端或双端,.fastq 或 .fastq.gz)。