测序数据质控界的宠儿-Trimmomatic

一个优质的测序结果，除了倚仗技术娴熟的实验人员和稳定的测序仪器，更重要的是要有一款集能力和才华于一身的质控软件。高通量测序下机的原始数据raw reads中存在一些低质量数据、接头以及barcode序列等，为消除其对后续分析准确性产生的影响，在数据下机以后对原始数据进行质控处理就成了至关重要的环节。今天，小奥要给大家介绍的就是数据质控界的宠儿——Trimmomatic软件。

Trimmomatic 简介

Trimmomatic软件，2014年首次发表在Bioinformatics期刊上，是一款专门对Illumina平台测序产生的reads进行修剪和过滤的软件。自发表以来，Trimmomatic软件凭借其简单的安装方法、较快的运行速度（支持多线程）、强大的去接头能力（simple和palindrome两种模式）、多元化的低质量数据处理方式、人性化的输出格式（clean reads为一一对应的pair-end形式，无需再次处理）等特点，深受数据处理者喜爱！下面就由小奥带大家一起来学习下Trimmomatic的具体用法。

Trimmomatic 下载安装

Trimmomatic下载安装方式有网站链接安装和Linux系统下命令安装两种方式。

◆方法一：直接进入网站http://www.usadellab.org/cms/index.php?page=trimmomati c进行手动下载二进制软件,解压后的trimmomatic-0.38.jar即为我们需要的软件。

◆方法二：在Linux系统下通过命令行进行下载安装

1.mkdir Trimmomatic（创建一个名为Trimmomatic的文件夹）

2.cd Trimmomatic （进入Trimmomatic文件夹工作路径下）

3.wget

http://www.usadellab.org/cms/uploads/supplementary/Trimmomatic/Trimmomatic-0.38.zip（通过wget命令下载Trimmomatic-0.38.zip压缩文件）

4.unzip Trimmomatic-0.38.zip （解压缩Trimmomatic-0.36.zip文件）

5.java -jar~/biosoft/Trimmomatic/Trimmomatic-0.36/trimmomatic-0.36.jar –h（运行安装命令，即可完成安装）

Trimmomatic 质控用法

根据单端测序和双端测序两种模式，Trimmomatic软件也有两种质控用法

◆ 1. SE 模式

SE模式下，只有一个输入文件和一个质控后的输出文件，运行命令如下

Java –jar < trimmomatic的安装路径> SE –threads <线程数> <input> <output> <step1> <step2> …<step1><step2>… 表示每一步的质控参数

◆ 2. PE模式

PE 模式下，有两个输入文件（正向测序reads和反向测序reads）和四个质控后的输出文件（双端序列都保留的paired序列文件和只保留一端序列的unpaired序列文件），运行命令如下：

Java -jar $trimmomatic PE -threads 12 -phred33 $R1.fq.gz $R2.fq.gz $R1.paired.fq.gz $R1.unpaired.fq.gz $R2.paired.fq.gz $R2.unpaired.fq.gz ILLUMINACLIP:$adapter.fa:2:30:10 LEADING:3 TRAILING:3 SLIDINGWINDOW:4:15 MINLEN:36

参数设置说明（同一个命令下的不同参数可以用“：”来界定）：

$ 表示软件或文件所在的路径（建议使用绝对路径）

$R1.fq.gz $R2.fq.gz 为两个输入文件

$R1.paired.fq.gz $R1.unpaired.fq.gz $R2.paired.fq.gz $R2.unpaired.fq.gz 为四个对应的输出文件

Phred33 设置碱基的质量格式，默认的是-phred64。

ILLUMINACLIP:$adapter.fa:2:30:10 adapter.fa为接头文件，2表示最大mismatch数，30表示palindrome模式下碱基的匹配阈值，10表示simple模式下碱基的匹配阈值。

LEADING: 3 表示切除reads 5’端碱基质量低于3的碱基。

TRAILING:3 表示切除3’ 端碱基质量低于3的碱基。

SLIDINGWINDOW:4:15 表示以4个碱基为窗口进行滑动，切除窗口内碱基平均质量小于15的。

MINLEN:36 丢弃以上步骤处理后，序列长度小于36的reads。