@HWUSI-EAS100R:6:73:941:1973#0/1
GATTTGGGGTTCAAAGCAGTATCGATCAAATAGTAAATCCATTTGTTCAACTCACAGTT
+HWUSI-EAS100R:6:73:941:1973#0/1
!''*((((***+))%%%++)(%%%%).1***-+*''))**55CCF>>>>>>CCCCCCC6
其中第一行以
@
開頭，后面是
reads
的
ID
以及其他信息，例如上例中
HWUSI-EAS100R
代表
Illmina
設備名稱，
6
代表
flowcell
中的第六個
lane
，
73
代表第六個
lane
中的第
73
個
tile
，
941:1973
代表該
read
在該
tile
中的
x
：
y
坐標信息；
#0
，若為多樣本的混合作為輸入樣本，則該標志代表樣本的編號，用來區分個樣本中的
reads
；
/1
代表
paired end
中的前一個
read
。
補充說明：
Illmina
測序儀一個
flowcell
中包含
8
個
lane，
每個
lane
可以測一個樣本或多樣本的混合物，其中一個
lane
包含
2
列，每一列又包含
60
個
tile
，每一個
tile
又會種下不同的
cluster
，如下圖所示。
第二行為read
的序列，不用多說！
緊接着下面兩行代表該
read
的質量。
第三行以“
+
”開頭，跟隨者該
read
的名稱（一般於
@
后面的內容相同），但有時可以省略，但“
+
”一定不能省。
第四行代表
reads
的質量。這一行可以詳細說一下！
Illumina
測序儀是按照熒光信號來判斷所測序的鹼基是哪一種的，例如紅黃藍綠分別對應
ATCG
，那么一旦出現一個紫色的信號該怎么判斷呢，因此對每個結果都有一個概率的問題。
起初
sanger
中心用
Phred quality score
來衡量該
read
中每個鹼基的質量，既-10lgP ，其中P
代表該鹼基被測序錯誤的概率，如果該鹼基測序出錯的概率為
0.001
，則
Q
應該為
30
，那么
30+33=63
，那么
63
對應的
ASCii
碼為“？”，則在第四行中該鹼基對應的質量代表值即為“？”，
ASCii
參考如下。
一般地，鹼基質量從
0-40
，既
ASCii
碼為從 “！”（
0+33
）到“
I
”
(40+33
）。以上是
sanger
中心采用記錄
read
測序質量的方法，
Illumina
起初沒有完全依照
sanger
中心的方法來定義測序質量，而是把P
換成了
p/(1-p).
其他完全按照
sanger的定義來做。但是他這形式在某些情況下是不准確的，可以看出當測序質量很高的情況下兩種形式幾乎沒區別，但低質量的鹼基則有區別了。
因此，
Illumina
有更換了好幾種版本，從
1.3
版本升級到
1.5
版本再到1.8，最后完全采用
sanger
中的規則來做。因此，現在
Illumina
給出的測序質量值完全可以參考剛說的
sanger
方法。
測序流程：
library：樣本DNA經過PCR擴增
lane：測序時的一條泳道，一個泳道可以只接受一個library的，也可以是多個library的，不同的library在兩段是用不同的街頭序列連起來作為標識的。當接受多個library的時候也是一起出的結果，當我們需要的測序深度不是特別深的時候就可以采用這種辦法，根據不同的接頭序列將這些數據分開成為一個個單獨樣本的fastq數據，這也是經常為什么在跑fastqc（質控）可以看到那些非正常的過表達序列。當然，一個library的DNA也可以用多個泳道測，這在需要很高的測序深度的時候才采用該策略。可以考慮在后續的比對生成的bam文件那里把他們合並起來成為一個bam文件。