关于RNA-Seq数据去接头(Adapter)这事需要讲一讲

首先来了解一下三个概念: 1、adapter是一段短的序列已知的核酸链,用于链接序列未知的目标测序片段。 2、barcode,也称为index,是一段很短的寡居核酸链,用于在多个样品混合测序时,标记不同的样品。 3、insert是用于测序的目标片段,因为是包括在两个adapter之间,所以被称为“插入”片段。

首先来了解一下三个概念:

1、adapter是一段短的序列已知的核酸链,用于链接序列未知的目标测序片段。

2、barcode,也称为index,是一段很短的寡居核酸链,用于在多个样品混合测序时,标记不同的样品。

3、insert是用于测序的目标片段,因为是包括在两个adapter之间,所以被称为“插入”片段。

一个常见测序片段类似与adapter--barcode--insert--adapter。测序开始时前几个碱基无法测得,第一个adapter在数据输出时被去除;由于测序仪读长限制,第二个adapter通常无法测得。所以,经常得到类似 barcode--部分insert的read。最后,把barcode去除,只保留测度insert的片段,这个操作的术语是demultiplexing。但是有时候测序时会测穿,也就是说会得到barcode--insert的read--部分adapter,那么这里就包含了接头了,这里的接头也就是大家经常说去接头要去除的部分。

attachments-2017-06-Zx6AB8vR593290cfc88b有了以上思路之后,如何去除接头应该就心里有数了,不要照抄网上的教程,没有理解原理有些教程用到你根本不行,虽然有时候你可能按照网上教程不报错并且会看到去除了些,但是这才是最坑的,没去除干净你自己也发觉不了,这还不是最坏的,毕竟接头含量大多数时候较少影响不大,但是如果你做组装或者人品不好的时候,结果就会很出乎意料。

扯这么多,是因为踩过网上教程的坑,现在回归正题

假设我有一个双端测序的数据,最原始的没有去除接头的,然后公司也告诉了我接头序列attachments-2017-06-1Z8vxj24593292892ed5

接头序列:

    adapt1:AATGATACGGCGACCACCGAGATCTACACTCTTTCCCTACACGACGCTCTTCCGATCT

     _REV:AGATCGGAAGAGCGTCGTGTAGGGAAAGAGTGTAGATCTCGGTGGTCGCCGTATCATT

    adapt2:GATCGGAAGAGCACACGTCTGAACTCCAGTCACNNNNNNATCTCGTATGCCGTCTTCTGCTTG

    NNNNNN:barcode

barcode:

attachments-2017-06-8taiOLH7593292d88748

以上咱们已经了解了这个数据的基本情况,下一步咱们使用cutadapt进行去除接头操作

跟进cutadapt教程主要有几个参数:

-a:左端reads的接头

-A:右端reads的接头,注意右端出现的接头是因为侧穿了,所以他的接头序列是左端reads的接头的反向互补序列

-m:表示去除接头后如果read长度小于这个m值就不要了

--pair-filter:采用双末端模式来去除接头,保持两端数据匹配

完整命令如下:

cutadapt -a adapt2 -A adapt1_REV -m 20 --pair-filter=both -o out_fq1 -p out_fq2 fq1 fq2

例子完整命令:

先安装cutadapt:

pip install cutadapt

按照上面流程进行构建命令:

cutadapt -a GATCGGAAGAGCACACGTCTGAACTCCAGTCACAGTCAAATCTCGTATGCCGTCTTCTGCTTG -A AGATCGGAAGAGCGTCGTGTAGGGAAAGAGTGTAGATCTCGGTGGTCGCCGTATCATT -m 50 --pair-filter=both -o Sample1_combined_rmAD_R1.fastq -p Sample1_combined_rmAD_R2.fastq Sample1_combined_R1.fastq Sample1_combined_R2.fastq

结果如下:

attachments-2017-06-UBjCN8ju5932c5b5c75c


  • 发表于 2017-06-03 19:04
  • 阅读 ( 6962 )
  • 分类:转录组学

3 条评论

请先 登录 后评论
不写代码的码农
祝让飞

生物信息工程师

115 篇文章

作家榜 »

  1. 合肥国肽生物 131 文章
  2. 祝让飞 115 文章
  3. 刘永鑫 64 文章
  4. 蛋壳 57 文章
  5. 生信分析流 51 文章
  6. SXR 44 文章
  7. 调研图 38 文章
  8. 艾柏森生物 31 文章