生信軟件工具-Trimmomatic

Trimmomatic

---

注意：軟件工具一般會定期進行迭代更新，如果使用出現問題，請查看官方文檔。

可以用來切除illumina測序平台的接頭序列，還可以去除由我們自己指定的特定接頭序列，而且同時也能夠過濾read末尾的低質量序列。具體的原理就是通過滑動一定長度的窗口，計算窗口內的鹼基平均質量，如果過低，就直接往后全部切除，不是挖掉read中的這部分低質量序列，而是像切菜一樣，直接從低質量區域開始把這條read后面的所有其它鹼基全部剁掉，否則就是在人為改變實際的基因組序列情況。

• Trimmomatic -- 去除測序接頭和低質量序列
• 網址：http://www.usadellab.org/cms/index.php?page=trimmomatic
• 下載：直接去官網下載二進制軟件,解壓后的trimmomatic-0.36.jar即為需要的軟件

1. adapters文件夾

   • 默認存放的是illumina測序平台的接頭序列（fasta格式），在實際的使用過程中，如果需要去除接頭，我們需要明確指定對應的序列作為輸入參數。一般來說，目前的HiSeq系列和MiSeq系列用的都是TruSeq3，TruSeq2是以前GA2系列的測序儀所用的，已經很少見了。如果用的不是illumina測序平台，那么我們也可以按照adapters文件夾下的這些文件的格式做一個新的接頭序列，然后再作為參數傳入。不過在自定義接頭序列的時候，命名時有一些小的細節需要注意，可以參考Trimmomatic的主頁文檔（The Adapter Fasta）

2. 使用方法：

PE和SE兩種方式，詳見說明文檔

java -jar trimmomatic-0.36.jar
Usage:
PE [-version] [-threads <threads>] [-phred33|-phred64] [-trimlog <trimLogFile>] [-quiet] [-validatePairs] [-basein <inputBase> | <inputFile1> <inputFile2>] [-baseout <outputBase> | <outputFile1P> <outputFile1U> <outputFile2P> <outputFile2U>] <trimmer1>...
SE [-version] [-threads <threads>] [-phred33|-phred64] [-trimlog <trimLogFile>] [-quiet] <inputFile> <outputFile> <trimmer1>...
-version

# 例：paired-end
java -jar /path/Trimmomatic/trimmomatic-0.36.jar PE -phred33 \
reads_1.fq.gz reads_2.fq.gz \
out.read_1.fq.gz out.trim.read_1.fq.gz \
out.read_2.fq.gz out.trim.read_2.fq.gz \
ILLUMINACLIP:/path/Trimmomatic/adapters/TruSeq3-PE.fa:2:30:10 \
SLIDINGWINDOW:5:20 \
LEADING:5 \
TRAILING:5 \
MINLEN:50
##  在SE模式中，是不需要指定文件來存放被過濾掉的read信息的，后面直接就接Trimmer信息！這是需要注意到的一個地方

3. 參數說明：
   PE/SE 設定對Paired-End或Single-End的reads進行處理，其輸入和輸出參數稍有不一樣。
   -threads 設置多線程運行數
   -phred33 設置鹼基的質量格式，默認是pred64
   ILLUMINACLIP:TruSeq3-PE.fa:2:30:10 TruSeq3-PE.fa是接頭序列，2是比對時接頭序列時所允許的最大錯配數；30指的是要求PE的兩條read同時和PE的adapter序列比對，匹配度加起來超30%，那么就認為這對PE的read含有adapter，並在對應的位置需要進行切除。10和前面的30不同，它指的是，我就什么也不管，反正只要這條read的某部分和adpater序列有超過10%的匹配率，那么就代表含有adapter了，需要進行去除數：palindrome模式下匹配鹼基數閾值：simple模式下的匹配鹼基數閾值。
   LEADING:3 切除首端鹼基質量小於3的鹼基
   TRAILING:3 切除尾端鹼基質量小於3的鹼基
   SLIDINGWINDOW:4:15 從5'端開始進行滑動，當滑動位點周圍一段序列(window)的平均鹼基低於閾值，則從該處進行切除。Windows的size是4個鹼基，其平均鹼基質量小於15，則切除。
   MINLEN:50 規定read被切除后至少需要保留的長度，如果低於該長度，會被丟掉
   CROP:<length> 保留reads到指定的長度
   HEADCROP:<length> 在reads的首端切除指定的長度
   TOPHRED33 將鹼基質量轉換為pred33格式
   TOPHRED64 將鹼基質量轉換為pred64格式

如果下機的fq數據中不含有這些測序接頭，那么我們除了trimmomatic之外，也可以直接使用sickle（同時支持PE和SE數據）或者seqtk（僅支持SE），這兩個處理起來會更快，消耗的計算資源也更少。