最初第一次使用 Trimmomatic 的时候就很头疼,代码那么长,而且那些参数都很不好懂 … 但是当时也就凑活着用了,最近读到几篇论文都用 trim Galore 来进行测序数据的清洗,于是试用了一下,确实比起 Trimmomatic 要好一些。
Trimmomatic
优势:
- 可使用参数更多,如滑窗剪切,可以直接选择使用内置的接头序列等等;
- 默认可生成 paired 和 unpaired 两种文件,更利于下游分析。
劣势:
- 代码非常长,而且容易写错,最好写在一个脚本里;
- 参数比较难记,像 ILLUMINACLIP 中的几个数字分别代表什么必须要对照说明书才能看懂;
- 运行时间较长;
- 只适用于 illumina 测序得到的数据,不适用与其他测序平台。
Trim_galore
优势:
- 安装和使用都非常简单;
- 代码较短
- 参数更直观,不用去死记硬背
- 默认下不区分 paired 和 unpaired,运行速度较快
劣势:
总结一句话就是,Trim_galore 更方便、简单直观,适用的平台多,而 Trimmomatic 最大的好处是功能和可调用的参数多。
Trim_galore 参数
参数说明:
- –quality:设定 Phred quality score 阈值,默认为 20
- –phred33:选择-phred33 或者-phred64,表示测序平台使用的 Phred quality score
- –adapter:输入 adapter 序列。也可以不输入,Trim Galore! 会自动寻找可能性最高的平台对应的 adapter。自动搜选的平台三个,也直接显式输入这三种平台,即–illumina、–nextera 和–small_rna
- –stringency:设定可以忍受的前后 adapter 重叠的碱基数,默认为 1(非常苛刻),可以适度放宽,因为后一个 adapter 几乎不可能被测序仪读到
- –length:设定输出 reads 长度阈值,小于设定值会被抛弃
- –paired:对于双端测序结果,一对 reads 中,如果有一个被剔除,那么另一个会被同样抛弃,而不管是否达到标准
- –retain_unpaired:对于双端测序结果,一对 reads 中,如果一个 read 达到标准,但是对应的另一个要被抛弃,达到标准的 read 会被单独保存为一个文件
- –gzip 和–dont_gzip:清洗后的数据 zip 打包或者不打包
- –output_dir:输入目录。需要提前建立目录,否则运行会报错
- – trim-n : 移除 read 一端的 reads
安装:
conda install bioconda::trim-galore
使用举例:
#!/bin/bash
for i in {73..84}
do
trim_galore -q 25 --phred33 --stringency 3 --length 36 --paired SRR109915${i}_1.fastq.gz SRR109915${i}_2.fastq.gz --gzip -o ./clean/
done