上一个分享，我们对测序数据进行了质量评估，接下来我们需要对数据进行数据质量控制。

数据预处理（Data Preprocessing）：包括去除接头序列（adapter trimming）、去除低质量序列（quality filtering）、去除含有未知碱基的序列等，以净化原始测序数据。

进行质量控制的软件有fastp,Trimmomatic, trim_galore等，这里我们对这三个软件进行简要使用。

fastp的用法：以a1.fq.gz  a2.fq.gz为例。

fastp --thread 4 -i ./a1.fq.gz -I ./a2.fq.gz -o ./a1.clean.fq.gz -O ./a2.clean.fq.gz -h L.html

fastp 是一个用于快速处理高通量测序数据的工具，主要用于质量控制和数据预处理。

1. -i, --in1：指定输入文件的路径，这通常是第一对（read1）原始测序数据的文件路径。

2. -I, --in2：指定第二个输入文件的路径，这通常是第二对（read2）原始测序数据的文件路径。

3. -o, --out1：指定第一个输出文件的路径，这是处理后的第一对测序数据（read1）的输出路径。

4. -O, --out2：指定第二个输出文件的路径，这是处理后的第二对测序数据（read2）的输出路径。

5. -h, --html：生成 HTML 格式的质量控制报告文件。

6. -j, --json：生成JSON格式的质量控制报告文件。

7. --thread：指定线程数，用于加速数据处理过程。

8. -q, --qualified_quality_phred：设定质量值阈值，低于该值的碱基将被截断。

9. -n, --low_complexity_filter：开启低复杂度序列过滤功能，用于去除包含低复杂度序列的 reads。

10. -e, --correction：开启错误校正功能，用于纠正测序错误。

11. -w, --overrepresentation_analysis：进行富集分析，检测PCR重复、接头污染等问题。

 conda install -c bioconda Trimmomatic -y #安装 Trimmomatic，Trimmomatic是基于Java开发的，因此需要提前安装Java，才能使用Trimmomatic。

Trimmomatic -h #出现技术参数说明即可使用。

 trimmomatic PE -phred33 -threads 4 a1.fq.gz a2.fq.gz a1_paired.fq.gz a1_unpaired.fq.gz a2_paired.fq.gz a2_unpaired.fq.gz LEADING:3 TRAILING:3 SLIDINGWINDOW:4:15 MINLEN:36

• PE 表示处理双端测序数据。
• -phred33 指定输入数据的 phred 分数编码为 phred33 格式。
• -threads 4 指定了线程数为 4。
• a1.fq.gz 和 a2.fq.gz 是输入的双端测序数据文件。
• a1_paired.fq.gz 和 a1_unpaired.fq.gz 是第一个样本处理后的输出文件，分别包含配对的 reads 和未配对的 reads。
• a2_paired.fq.gz 和 a2_unpaired.fq.gz 是第二个样本处理后的输出文件，分别包含配对的 reads 和未配对的 reads。
• LEADING:3 TRAILING:3 SLIDINGWINDOW:4:15 MINLEN:36 是指定的 trimmer 参数，用于指导 Trimmomatic 进行质量控制和去除接头序列等操作。

优势：

1、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；

2、默认可生成paired和unpaired两种文件，更利于下游分析。

劣势：

1、代码非常长，而且容易写错，最好写在一个脚本里；

2、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；

3、运行时间较长；

4、只适用于illumina测序得到的数据，不适用于其他测序平台。

conda install -c bioconda trim_galore -y #需要python=3.7，创建一个新的环境指定python为3.7即可。

trim_galore --help #出现技术说明即可

 trim_galore -q 20 --phred33 --length 36 -e 0.1 --stringency 3 --paired -o cleandata/ ./a1.fq.gz ./a2.fq.gz -j 15

-q 20：设置最低质量阈值为20，低于该值的碱基将被修剪。
--phred33：指定输入文件的质量值编码为Phred33格式。
--length 36：设置修剪后的读长为36，短于该长度的序列将被丢弃。
-e 0.1：设置错误率阈值为0.1，超过该阈值的序列将被丢弃。
--stringency 3：设置修剪的严格程度为3。
--paired：指示输入文件是成对的双端测序数据。
-o cleandata/：指定输出目录为"cleandata/"，修剪后的结果文件将保存在该目录中。
./a1fq.gz ./a2.fq.gz：输入的成对测序数据文件。
-j 15：使用4个线程进行处理。