fast5和fastq格式

前面我们介绍了Oxford Nanopore Technologies（牛津纳米孔技术）公司的一些测序仪，也看到了它产出的测序数据，详见:全长转录组分析之牛津纳米孔测序介绍

现在前面一起来详细认识这样的数据吧！

Nanopore测序的下机数据的原始数据格式为包含所有原始测序电信号的二代fast5格式。通过MinKNOW2.2软件包中的Guppy软件进行base calling后会将fast5格式数据转换为fastq格式，用于后续质控分析。（通常测序服务商会给你fastq格式的数据结果）

上次我们提到对于ONT原始下机数据混样建库和非混样建库数据稍微有些区别。混样主要是需要凑够样本数达到一个上机lane的测序量，目前三代全长转录组一个样本基本产出2G就可以满足下游分析，因此，多属于混样建库测序。

对于一次下机的数据，文件如下：

rawdata_file

主要是看fast5和fastq文件：

• fast5：原始电信号文件，以.fast5为文件结尾。此文件既有测序得到的序列信息，还有甲基化修饰信息。经过basecall，MinKNOW2.2软件包中的Guppy软件可以将fast5文件转换得到fq文件。测序仪本身是带有这个basecall功能的。
• fastq：由fast5文件转换而来，以.fastq或.fq结尾，与二代格式一样，四行为一个单位，只不过序列要长很多，这是三代的一个优势。

fastq

可以看到，测序的每个reads的碱基数量非常多！这里面的质量值，仍然是符合fastq格式的定义哦！

fail和pass文件夹是根据测序仪设置的一个指标比如Q值>7对数据进行的一个处理，fail代表指标没有达到这个标准，pass指通过了这个标准。

• final_summary.txt文件：

final_summary

每个测序文件的汇总表，都需要仔细研读，好的数据作为开头，才有可能有好的分析结果。

• sequencing_summary.txt文件：主要存储了一些read长度，每个read的平均测序质量(MeanQscore)等信息，作为对数据进行长度，N50，MeanLength，MaxLenght等指标统计，后续过滤等用途。
  
  sequance_summary

此次专题主要学习和记录一些在分析ONT测序产品如ONT全长转录组，ONT甲基化以及ONT重测序中的所思所想所得。

个人所知有限，如有理解错误，还请批评指正。

下期将介绍：

• 数据过滤标准
• 一般初步会对数据做哪些指标统计
• 如何评价这个数据质量