01.Data_qc/
├──illumina_fastp.xls   [二代测序数据质控结果]
└──pacbio_sum.xls       [三代测序数据longQC质控结果]

高通量测序得到的图像经 Base Calling 转化为原始测序序列（Reads），我们称之为 Raw Data 或 Raw Reads，结果以 FASTQ（简写为fq）文件格式储存，它包含测序序列（Reads）的序列信息及其对应的测序质量信息。PE 文库的数据结果中，每个样品均有测序两端的 Reads，并且 Reads 的顺序是严格一致、相互对应的。 FASTQ 文件中每条 read 都由四行构成，文件格式如下：

图1-1-1 FASTQ格式文件内容示例

其中，第 1 行和第 3 行为 read 名称（后来为了节省储存空间省略掉第 3 行“+”后面的序列名称），由 Illumina 测序仪产生；第 2 行是 read 的碱基序列，第 4 行是 read 中每个碱基对应的测序质量分数，由 Base Calling 转化而来，每个字母对应的 ASCII 值减去相应测序质量系统的 Phred quality score（33 或 64），即为该碱基的测序质量值（Phred 值）。

在获得每个样品二代测序数据之后，首先需要对测序的数据质量进行评估并对低质量的数据进行去除，以保证后续分析结果的可信度，以上步骤称之为原始数据的质量控制。质量控制获得的高质量序列则用于下游的数据分析。质控流程采用软件fastp^[2]，具体处理步骤如下：

1. 去除带接头（adapter）的 paired reads；
2. 当单端测序read 中含有的低质量（sQ <= 20）碱基数超过该条read碱基总数的20%时，去除此 paired reads;
3. 去除PCR扩增产生的重复reads。

测序数据质控前后的质量信息统计表格如下：

分析所用软件的版本

参考文献