NGS数据格式介绍

通常状况下，从Illumina平台上获得的测序，其数据格式是Fastq格式，能够称之为原始数据（Raw data）。事实上直接的下机数据是显微拍摄获得的图像信息。可是通常都会用Bcl2Fastq软件将图像信息转化成Fastq文件。

 

若是测序是SE：则只有一个fastq文件，若是是PE测序，则获得两个Fastq文件。

PE的数据特色有：

（1）两个Fastq文件中分别包含数据1和2，来区分先后端；

（2）这2个文件的行数必须一致；

（3）相同的行上的数据来自同一条DNA片断双末端的测序数据；

（4）Fastq以每4行为一个单位，表示一条reads的信息。

@HISEQ:6:1101:1703:2071#GCAATGGC/1

AGAATGCGTCATTCTGCGGAACTCATCCGACTGAATACCGAAAAGCAGAATCTGATCCTGGTTTCT

GCCATAAAGTAGCGCGAGCACACAGACGTCTGCGCGCCTGCGGTGACGGCGGTGCGGGT

+

`\```fdbeaeddf]d_ffNddPP\dedd]N[XPdffP\NeNdbff]faeafPdeff]PbPPP[efP^YePY\edfefO[

NNNbcM_effc\OcfcOWbffffMXcaMcffa_cYcYYbccYM]b

第一行 序列名称

第二行 序列的碱基组成

第三行 序列信息，或者直接以“+”作标记

第四行 碱基的质量

如今的Illimina使用的质量格式为Phred+33，和Sanger的碱基质量基本一致；碱基质量使用Q（Phred值）表示，其计算公式为：

碱基质量与错误率的关系为：