[fastqe] fastqe , fastq 파일의 quality를 이모티콘으로! , fastq 파일이란?

 

 

 

안녕하세요 한주현입니다.

 

오늘은 fastqe 라고 재미난 라이브러리를 하나 소개해 보겠습니다. ㅎㅎ

fastqe 개발자님 페이지

https://fastqe.com/

https://github.com/lonsbio/fastqe

fastq에 emoji (에모지, 이모티콘) 정보를 더한 fastqe에 대해 적어보겠습니다

fastq의 quality를 아래와 같이 emoticon 으로 나타낸 것 이지요.

fastqe를 알아보기 전에 간단하게 fastq가  어떤 포맷의 파일인지 알아볼까요?

fastq?

fastq는 시퀀서에서 읽은 염기서열의 정보를 4줄에 걸친 텍스트 정보로 나타낸 것 입니다.

fastq 각 줄의 정보

첫 번째 줄: @ 로 시작하여 sequence identifier를 나타냅니다.

두 번째 줄: raw sequence를 나타냅니다.

세 번째 줄: + 기호로 구분자 역할을 합니다. 옛날 포맷의 경우는 sequence identifier 가 같이 나오기도 합니다.

네 번째 줄: raw sequence에 해당하는 quality 점수가 나옵니다.

첫 번째 줄인 sequence identifier 정보

첫 줄은 아래와 같이 @ 기호로 시작합니다

@A12345:218:A1B2CDEFG:2:1101:26443:2088 1:N:0:ACGTACGT

A12345 : 기기 이름

218 : run id

A1B2CDEFG : Flow cell id

2 : Flow cell lane

1101 : tile number

26443 : x축 값

2088 : y축 값

1 : pair 번호

Y or N : read의 filter 여부

0 : control bit

ACGTACGT : index 서열

네 번째 줄인 quality 정보

fastq의 quality 정보는 ASCII 값으로 나타냅니다.

ASCII table에서 출력 가능한 character 중 가장 낮은 숫자는 33인 ! 로

이 문자를 시작으로 quality 정보를 나타냅니다.

quality 가 가장 낮은 값은 0 점으로, 출력 가능한 가장 낮은 ASCII 값이 33 이므로

! 의 ASCII 값인 33 에서 33을 빼면 0이 되겠지요.

점수는 Phred score로 표현되는데 그 의미는 아래 식으로 표현할 수 있습니다.

만약 Quality값이 30 이라면 Probability는 아래식과 같이 계산하면 0.001이 나옵니다.

이 값은 sequencer가 잘못 읽을 확률로, sequencer가 맞게 읽을 확률은 1-0.001 을 하면 99.9% 가 나옵니다.

그래서 아래와 같은 신뢰도가 나오게 되죠.

10은 90% 의 신뢰도,

20은 99% 의 신뢰도,

30은 99.9% 의 신뢰도,

40은 99.99% 의 신뢰도를 나타냅니다.

문자	ASCII 값	ASCII 값 - 33
!	33	0
"	34	1
#	35	2
$	36	3
%	37	4
&	38	5
'	39	6
(	40	7
)	41	8
*	42	9
+	43	10
,	44	11
-	45	12
.	46	13
/	47	14
0	48	15
1	49	16
2	50	17
3	51	18
4	52	19
5	53	20
6	54	21
7	55	22
8	56	23
9	57	24
:	58	25
;	59	26
<	60	27
=	61	28
>	62	29
?	63	30
@	64	31
A	65	32
B	66	33
C	67	34
D	68	35
E	69	36
F	70	37

fastqe?

그래서 fastqe는 fastq의 네 번째 줄인 quality 정보를 ASCII 값이 아닌 emoticon 으로 표현해 줍니다.

이렇게 말이죠!!

정말 재밌네요 ㅎㅎ

파이썬으로 실행됩니다 ㅎㅎ

설치 방법

 $ pip install fastqe

실행 방법

$ fastqe -py -h

usage: fastqe [-h] [--minlen N] [--version] [--mean] [--bin] [--min] [--max]

              [--log LOG_FILE] [--scale]

              [FASTA_FILE [FASTA_FILE ...]]

Read one or more FASTQ files, compute quality stats for each file, print as

emoji... for some reason.

positional arguments:

  FASTA_FILE      Input FASTQ files

optional arguments:

  -h, --help      show this help message and exit

  --minlen N      Minimum length sequence to include in stats (default 0)

  --version       show program's version number and exit

  --mean          show mean quality per position (DEFAULT)

  --bin           use binned scores

  --min           show minimum quality per position

  --max           show maximum quality per position

  --log LOG_FILE  record program progress in LOG_FILE

  --scale         show relevant scale in output

제가 실행하였던 fastq 파일을 샘플로 드려봅니다 ㅎㅎ

sample_1.fastq

$ cat sample_1.fastq 

@A12345:218:A1B2CDEFG:2:1101:26443:2088 1:N:0:ACGTACGT

TGAGCCGAGATTGTGCCACCGCACTCCAGCCTGGGTGACCTACTGAGACTCTGTCTCAGAGAGAGAGAGAGGAAGGAGGGGAGGGGAGAAGAGGGAAAGGA

+

!!!!!"""""#$%^&'()**+,-./012345566778899::;;<<==>>??@@AABBCCDDEEFFGGHHIIIIIIIIIIJJJJJJJJJJJJJJJJJJJJJ

재미난 점은 binning 이 가능합니다.

각 점수를 아래와 같이 scale  별로 나타낼 수 있지만

아래와 같이 구간을 정하여 특정 점수 구간이면 같은 quality 정보로 표시할 수 있다는 얘기 입니다 ㅎㅎ

재밌게 참 잘만들어주신 개발자 분께 경의의 박수를 드립니다 짝짝짝 👏👏👏😁

참고 문헌

https://fastqe.com/

https://github.com/lonsbio/fastqe

오늘은 fastq 파일의 quality 라인을 emoticon 으로 표현한 fastqe에 대해 알아보았습니다.

그럼 다음에 또 만나요 ^^

기부 버튼을 만들었습니다

여러분들의 작은 정성이 저에게 큰 힘이 됩니다

기부해주신 분들을 기억하며

더 좋은 내용으로 보답해 드리겠습니다 :)

Donate 버튼은 paypal 결제로 paypal 계정이 없으시더라도

카드로도 기부 가능하십니다 :)

Use your credit card or bank account (where available). 옆의 continue 를 누르시면 됩니다

한주현 드림