转录组分析数据质控

用fastqc进行数据质控：

Babraham Bioinformatics - Public Projects Download在官网进行下载

fastqc在windows系统下运行完全没问题

把这个文件下载下来

这里主要要配置环境变量：主要是fastqc的和java的

在文件夹中运行cmd

这样输入就讲fastqc打开了

这里用一个名为ERR499.R1.fq的文件演示一下：

<<ERR499.R1.fq>>

直接导入fastqc：

下面来解析结果：

整体在28以上，还可以，如果在红区的太多就是不好的

蓝色就是好的，有其他颜色就是不好的

是单峰，不是双峰

人一般是49%

如果出现双峰：

1.就说明可能测到了杂质物种的峰值

2.片段打断不均匀

下面我们要去除adapt，这里安装cutadapt：

为什么要去除adaptor：

一般来说，测序公司会提供相关的适配子序列信息。如果你自己从网上下载数据，通常可以根据文章中的描述来查找这些信息。比如，文章里可能会提到适配子序列是否包含在内，或者可以查看该测序实验的建库类型。如果是Illumina平台进行的测序，我们就可以查找Illumina的出塞序列（例如，I7或I5的引物序列），这可以通过Illumina的官方文档或者其他资源找到。

假设现在我们确定了适配子的序列，接下来就要处理适配子去除的问题。比如，在70bp的测序中，如果读长只有40bp或50bp，那么在测序时，读长不足时，可能会测到部分适配子序列。对于Illumina平台的测序，如果你只获得了40bp的序列，这意味着你有30bp的适配子序列是需要去除的。

因为测序结果可能会带有30bp的适配子序列，如果不去除，接下来的比对就无法正确进行，因为最终比对的序列（假设是70bp）会与基因组序列不匹配。所以，我们需要先去除适配子序列（30bp），然后剩下的40bp才能用于正确的比对，得到可靠的结果。

接下来，我们就可以进行去除适配子的计算（通常用工具如cutadapt、Trimmomatic等）。

具体操作：

cutadapt -a AGATCGGAAGAGCACACGTCTGAACTCCAGTC ERR500.R1.fq -m 30 --output=ERR500.cutAd1.fq

去完adapter后序列长度不一样了

去除N（也就是未知碱基）：

read里面都可能会出现n的序列，如果这个n达到了5%或者10%的时候我们就要把它去除掉

这里我