> Author : Zhihui Li > > E-mail：[18210700119@fudan.edu.cn](mailto:18210700119@fudan.edu.cn) > > Git: > > Last Updates: 28/08/2019 ## 简介 Trimmomatic 是一个广受欢迎的 Illumina 平台数据过滤工具。NGS 原始数据过滤对后续分析至关重要，去除一些无用的序列也可以提高后续分析的准确率和效率。`trimmomatic`是用于 [Choppy-pipe](http://choppy.3steps.cn/) 系统使用的 APP。 ## 快速安装及使用 #### Requirements - Python 3 - [choppy](http://choppy.3steps.cn/) - Ali-Cloud 在终端中输入以下命令即可快速安装本APP。 ```bash 1.安装 $ source activate choppy-py3 $ choppy install lizhihui/trimmomatic $ choppy apps 2.使用 $ choppy samples trimmomatic --out Projectname_trimmomatic_date_people.csv $ choppy batch trimmomatic Projectname_trimmomatic_date_people.csv --project-name Projectname_trimmomatic_date_people ``` ## 使用方法 ### 任务的准备 按照上述步骤安装成功之后，可以通过下面简单的命令即可使用APP： ```bash # Generate samples file $ choppy samples trimmomatic --out Projectname_trimmomatic_date_people.csv ``` `Projectname_trimmomatic_date_people.csv` 包含以下几个需要填写的参数： - 文件中必须包含的列为： - sample_id：样本名称，该名称将自动作为生成结果文件的前缀名 - read1：原始FASTQ文件所在的OSS路径（仅R1） - read2：原始FASTQ文件所在的OSS路径（仅R2） - baseout：样本名称，该名称将自动作为生成结果文件的前缀名 - disk_size：任务运行时，集群存储空间设置（一般设置为合并文件之和的5倍即可） ```bash read1,read2,sample_id,baseout,disk_size # read1 双端测序数据的R1端在阿里云上的路径信息 # read2 双端测序数据的R2端在阿里云上的路径信息 # sample_id 样本名称，该名称将自动作为生成结果文件的前缀名 # baseout 每个样本任务的识别码。 # disk_size 任务运行时，集群存储空间设置 ``` ### 任务提交 在配置好`trimmomatic Projectname_trimmomatic_date_people.csv` 文件后，使用以下命令可以提交计算任务： ```bash $ choppy batch trimmomatic Projectname_trimmomatic_date_people.csv --project-name Projectname_trimmomatic_date_people ``` 提交成功后，即可在工作目录下找到生成的目录名为Projectname_trimmomatic_date_people，里面包含了本次提交任务的所有样本信息。 ### 任务输出 任务成功结束后，便可以在阿里云相应的OSS端生成相应的结果文件。包括数据去接头及低质量碱基所产生去接头`fastq`文件。 ## APP流程概述 Trimmomatic 过滤数据的步骤与命令行中过滤参数的顺序有关，通常的过滤步骤如下： ![img](http://image109.360doc.com/DownloadImg/2018/04/2316/131021335_1_20180423042350441.png) - ILLUMINACLIP: 过滤 reads 中的 Illumina 测序接头和引物序列，并决定是否去除反向互补的 R1/R2 中的 R2。 - SLIDINGWINDOW: 从 reads 的 5’ 端开始，进行滑窗质量过滤，切掉碱基质量平均值低于阈值的滑窗。 - MAXINFO: 一个自动调整的过滤选项，在保证 reads 长度的情况下尽量降低测序错误率，最大化 reads 的使用价值。 - LEADING: 从 reads 的开头切除质量值低于阈值的碱基。 - TRAILING: 从 reads 的末尾开始切除质量值低于阈值的碱基。 - CROP: 从 reads 的末尾切掉部分碱基使得 reads 达到指定长度。 - HEADCROP: 从 reads 的开头切掉指定数量的碱基。 - MINLEN: 如果经过剪切后 reads 的长度低于阈值则丢弃这条 reads。 - AVGQUAL: 如果 reads 的平均碱基质量值低于阈值则丢弃这条 reads。 - TOPHRED33: 将 reads 的碱基质量值体系转为 phred-33。 - TOPHRED64: 将 reads 的碱基质量值体系转为 phred-64。 ## 输出文件说明 运行APP后， 每个sample对应一个文件夹，内部结构如下： - call-trimmomatic - glob-****/ - _1P.fq.gz 原始FASTQ文件在去接头及低质量碱基后产生的FASTQ文件（仅R1） - _1U.fq.gz 原始FASTQ文件所去接头及低质量碱基的FASTQ文件（仅R1） - _2P.fq.gz 原始FASTQ文件在去接头及低质量碱基后产生的FASTQ文件（仅R2） - _2U.fq.gz 原始FASTQ文件所去接头及低质量碱基的FASTQ文件（仅R2） ## 软件版本及参数 ###软件版本 trimmomatic: v0.38 ### 使用参数 1.ILLUMINACLIP: 过滤 reads 中的 Illumina 测序接头和引物序列 2.TOPHRED33: 将 reads 的碱基质量值体系转为 phred-33。 3.adapter: TruSeq3-PE.fa >PrefixPE/1 >TACACTCTTTCCCTACACGACGCTCTTCCGATCT >PrefixPE/2 >GTGACTGGAGTTCAGACGTGTGCTCTTCCGATCT 4.cluster: OnDemand bcs.a2.xlarge img-ubuntu-vpc ## 参考文献 [1]Bolger A M , Lohse M , Usadel B . Trimmomatic: a flexible trimmer for Illumina sequence data[J]. Bioinformatics, 2014, 30(15):2114-2120. [2] http://www.360doc.com/content/18/0423/16/54810519_748099048.shtml