测序数据质控及数据量计算

探序基因肿瘤研究院   整理

数据量的单位：

Gb(gigabases，10^9碱基对) ，Mb(megabases，10^6碱基对) 

测序数据量(bp) = 目标区域大小(bp)×测序深度(x)

测序数据量(bp) = reads长度 X reads个数 (reads长度很容易得知，reads个数等于测序所得到的fastq文件的总reads数，计算时候需要注意单端与双端测序)

计算案例：

如测序数据量为1G，测序的基因组大小为1M，那么测序深度为1G/1M=1000×，表示平均每个碱基被测了1000次。

如果一个人的基因组大小为3Gb，而测序深度为30x，则总共需要测序90Gb的数据量。

使用samtools flagstat来比对bam文件统计数据量：

samtools flagstat -@ 10 xxx.bam

636525558 + 0 in total (QC-passed reads + QC-failed reads)
633315750 + 0 primary
3209808 + 0 secondary
0 + 0 supplementary
0 + 0 duplicates
0 + 0 primary duplicates
636184858 + 0 mapped (99.95% : N/A)
632975050 + 0 primary mapped (99.95% : N/A)
633315750 + 0 paired in sequencing
316668885 + 0 read1
316646865 + 0 read2
623282944 + 0 properly paired (98.42% : N/A)
632926202 + 0 with itself and mate mapped
48848 + 0 singletons (0.01% : N/A)
7876402 + 0 with mate mapped to a different chr
5437896 + 0 with mate mapped to a different chr (mapQ>=5)

总数据量：（636525558 * 150）/ 10^9 = 95G

参考：

测序深度和测序数据量应该测多少？

http://www.360doc.com/content/21/0714/12/76149697_986499266.shtml

测序深度和测序数据量-优快云博客

测序数据存储解析-优快云博客