2021.01.07丨使用fastp統計樣品品質結果

• 各位小夥伴在對測序樣品進行質控的時候，首選基本上都是fastQC，他能能夠生成許多圖檔直覺地展示質控結果。

  • 

• 然而，當我們有多個樣品，希望對其結果以表格形式進行展示的時候，fastQC能提供的資訊就比較少了，比如GC含量精确到小數點，或者Q30等等
  • fastQC能統計到的基本資訊

  • 

  • 我們希望得到的統計結果

    • 

• 那麼如何能夠批量統計到更詳細的質控資訊呢？fastp工具和這篇文章腳本的必要性就産生了，它可以統計測序資料較多的資訊并以.json形式進行展示。
  • 我們用Editplus打開fastp.json檔案，可以看到fastp對測序資料有詳細的統計情況

    • 

• 資料整理流程
  • step.1下載下傳并安裝fastp

    • conda install fastp
                 

  • step.2使用fastp擷取統計檔案

    • for i in *_val_1.fq.gz; #周遊所有樣品R1測序資料
      do
      i=${i%_val_1.fq.gz*};#擷取樣品名稱
      fastp -w 8 -i ${i}_val_1.fq.gz -o ${i}_1 -I ${i}_val_2.fq.gz -O ${i}_2 -j ${i}.json #
      rm -rf ${i}_1 ${i}_2 #删除指控後結果（之前沒做過trim可以保留）
      done
                 

  • step.3擷取統計結果

    • import re
      import os
      newfile_name = 'fastp_stat'
      desktop_path = '/home/yangxin/project/rna_seq/refer_rna_seq/6_8_CGRSH201026_20201215/01.data/trim_QC/'
      file_path = desktop_path+newfile_name+'.txt'
      newfile = open(file_path,'w')
      for root,dirs,files in os.walk(r"/home/yangxin/project/rna_seq/refer_rna_seq/6_8_CGRSH201026_20201215/01.data/trim_QC"):
      for file in files:
      if ".json" in file:
      #擷取檔案路徑
      print(os.path.join(root,file))
      fastp_file = open(os.path.join(root,file),'r')
      genome_line = fastp_file.readlines()
      total_reads = re.sub("\D","",genome_line[14])
      total_bases = re.sub("\D","",genome_line[15])
      Q30_tmp_rates = re.sub("\D","",genome_line[19])
      Q30_rates = Q30_tmp_rates[2:]
      Q30_rates = int(Q30_rates) *0.0001
      GC_connects = re.sub("\D","",genome_line[22])
      GC_connects = int(GC_connects) *0.0001
      file_name = file.replace('.json','')
      result_stat = file_name+"\t"+total_reads+"\t"+total_bases+"\t"+'%.2f'%Q30_rates+"\t"+'%.2f'%GC_connects+"\n"
      print(result_stat)
      newfile.write(result_stat)
      newfile.close()
      fastp_file.close()
                 

  • 檔案結果展示

    • 

• 最後直接複制粘貼到RNA-seq的表格模闆上面即可。