5.2
接头处理
接头(adapter)污染的处理是 FASTQ 文件预处理中很重要的一步。fastp 默认启用了接头处理，但是可以使用-A 命令来关掉。fastp 可以自动化地查找接头序列并进行剪裁，也就是说你可以不输入任何的接头序列，fastp 全自动搞定了！对于 SE 数据，你还是可以-a 参数来输入你的接头，而对于 PE 数据则完全没有必要，fastp 基于PE 数据的 overlap 分析可以更准确地查找接头，去得更干净，而且对于一些接头本身就有碱基不匹配情况处理得更好。fastp 对于接头去除会有一个汇总的 告，如下图所示：
上图中所示的标红的 T 碱基是低质量序列，和高质量的 A 不匹配，它会被校正为 A。该校正功能默认没有开启使用-c 参数可以启用，对于一些对噪声容忍度低的应用，比如液体活检，建议开启。
5.5
全局剪裁
fastp 可以对所有 read 在头部和尾部进行统一剪裁，该功能在去除一些测序质量不好的 cycle 比较有用，比如 151*2 的 PE 测序中，最后一个 cycle 通常质量是非常低的，需要剪裁掉。使用-f 和-t 分别指定 read1 的头部和尾部的剪裁，使用-F和-T 分别指定 read2 的头部和尾部的剪裁。
5.6
polyG 剪裁
对于两色发光法的 Illumina 设备(NextSeq / NovaSeq)，因为在没有光信 情况下 base calling 的结果会返回 G，所以在序列的尾端可能会出现较多的 polyG，需要被去除。fastp会自动化地识别NextSeq / NovaSeq的数据，然后进行polyG识别和剪裁。如果你想强制开启该功能，可以指定-g 参数，如果想强制关闭该功能，则可以指定-G 参数。
5.7
分子标签 UMI 处理
UMI 在处理 ctDNA 类似的超低频突变检测应用中是十分有用的，为了更好地对带 UMI 的 FASTQ 文件进行预处理，fastp 也很好地支持了 UMI 预处理功能。该 功能默认没有启用，需要使用-U 参数开启，另外需要使用–umi_loc 来指定 UMI所在的位置，它可以是(index1、index2、read1、read2、per_index、per_read ) 中的一种，分别表示 UMI 是在 index 位置上，还是在插入片段中。如果指定了是在插入序列中，还需要使用 –umi_len 参数来指定 UMI 所占的碱基长度。
5.8
输出文件切分
很多时候我们需要对输出的 FASTQ 进行切分，分成大小均匀的多个文件，这样可以使用比对软件并行地比对，高并行处理的速度。fastp 软件也供了相应的功能，并且支持了两种模式，分别是使用参数-s 指定切分后文件的个数，或者 使用-S 参数指定每个切分后文件的行数。
第六部分
质控 告解读
接下来，我们再看一下如何理解 fastp 生成的质控 告。
fastp 的 告在单一文件中同时包含了过滤前和过滤后的统计结果，如果是 PE 数据，则同时包含了 read1和 read2 的统计结果。之前我们已经说过了，fastp 会生成 HTML 的 告和 JSON格式的 告。HTML 告的默认文件名是 fastp.html，但是可以通过-h 参数修改，JSON 告的默认文件名是 fastp.json，但是可以通过-j 参数修改。而且 fastp 告还有一个标题，默认是 fastp report，这个也可以通过-R 参数修改为你想要的标题。JSON 格式的 告是优化过的，人机皆可读，适合进阶的用户使用程序解析，而这里我们重点关注 HTML 格式的 告。
6.1
质量含量分布曲线
我们第一关注的当然是质量，所以 fastp 供了质量分布曲线，即每一个 cycle的平均质量值，而且 fastp 同时供了 A/T/C/G 四种不同碱基的平均质量，以及总的平均质量，如下图所示：
从图中可以看到，fastp同时显示了A/T/C/G/N/GC 的每一个位置的比例和总的比例。而且如果你觉得头部那里比较乱看不清的话，可以用鼠标拉一个框，它就放大了。
6.3
KMER 统计表格
fastp 对 5 个碱基长度的所有组合的出现次数进行了统计，然后把它放在了一张表格中，表格的每一个元素为深背景白字，背景越深，则表示重复次数越多。这 样，一眼望去，就可以发现有哪些异常的信息。
第七部分
结语
好了，本次 fastp 的介绍就到此结束了。
fastp 软件还在不断更新中，目前每星期都有新功能开发出来，所以要想了解 fastp 软件的最新动态，请关注该软件的github 项目地址 https://github.com/OpenGene/fastp
第八部分
招聘信息
目前,海普洛斯生物信息学团队正在召唤以下精英人才:
岗位一：生物信息学分析主管(科研服务方向)
任职要求：
5 年以上生物信息学分析相关经验
3 年以上科服领域分析经验和 2 年以上的团队带领经验
精通 Python/R/C/C++/WEB/SHELL/Perl 编程技术中的一种或多种
熟悉 Linux/docker/git 等基础应用工具
精通单细胞 WGS/WES、RNA-Seq、BS-Seq、肿瘤 WGS/WES 等分析中的多种
岗位二：生物信息学工程师(科研服务方向)
任职要求：
2 年以上生物信息学分析相关经验
1 年以上科服领域分析经验
熟悉 Python/R/C/C++/WEB/SHELL/Perl 编程技术中的一种或多种熟悉单细胞 WGS、单细胞 WES、RNA-Seq、BS-Seq、肿瘤 WGS/WES 等分析中的两种以上
岗位三：生物信息学软件开发工程师
任职要求：
对编程的极度热爱,并热衷于使用 IT 技术解读生命密码
对生物信息学较深度的了解
精通 C/C++/Python/R/Go/WEB 编程技术的两种或以上
熟悉 FASTQ/BAM/SAM/VCF 等不同的数据格式和相应的操作库
以上岗位，除主管之外，都可以实习。如果你足够优秀，以上的条件多条都可以作废。可选工作地点有两个，穿衣很省空气好的深圳，或者风景秀丽房价低的江西上饶。
如果有小伙伴想要加入，体验开源开放的团队文化和全栈的开发环境，请速速将简历传送到 chen@haplox.com，并抄送到 hr@haplox.com，或者添加以下微信进行勾搭(微信 ：opengene)：
学习16S扩增子、宏基因组科研思路和分析实战，关注“宏基因组”
点击阅读原文，跳转最新文章目录阅读
声明：本站部分文章及图片源自用户投稿，如本站任何资料有侵权请您尽早请联系jinwei@zod.com.cn进行处理,非常感谢！