[发明专利]基于snakemake语言快速批量可自动邮件反馈结果的高通量测序质控分析方法

权利要求书

1.一种基于snakemake语言快速批量可自动邮件反馈结果的高通量测序质控分析方法，其特征在于，所述方法具体包括如下步骤：

步骤一、文件准备：准备所有样本的高通量测序原始数据；

步骤二、多样本并行fastp质控过滤：使用fastp软件对每个样本数据自动进行全方位质控，包括利用4bp大小滑窗去除平均质量低于Q20的低质量碱基序列、通过软件自动识别接头序列并进行剪裁去除接头污染、去除长度小于下机长度一半的短序列、去除含有5个及以上N碱基的序列、软件自动查找双端测序数据中每一对read的重叠区域并对该重叠区域中不匹配的碱基进行校正；上述质控方法单双端都适用；

步骤三、单样本fastp运行监控：对每个样本进行质控监测，即把运行统计结果的质控指标与参照质控指标进行核对，如果都符合参照指标，则生成一个check空文件表示此样本质控达标；若有部分质控指标不符合参照指标，则不生成check空文件，表示此样本质控未达标，此样本在不影响其它样本分析的条件下停在质控这个步骤，不参与下游分析；

步骤四、所有样本fastp质控结果汇总：对所有样本fastp质控过滤结果进行汇总，形成一张包含常质控指标的excel表，所述excel表包含达标与未达标所有样本的质控结果；

步骤五、质控结果汇总邮件反馈：使用python包smtplib对质控表进行邮件自动反馈；

步骤六、多样本并行fastqc检测：当样本fastp质控运行成功后，对过滤后的数据进行fastqc检测，进行一组模块化的分析，通过这些分析快速了解数据是否存在问题，为后续进行进一步分析提供参考；所述模块化分析包括序列测序质量统计、每个tile测序的情况、每条序列的测序质量统计、序列碱基含量分布统计、序列平均GC含量分布图；分析结果提供是否存在测序质量偏低、某些tile受到不可控因素的影响而出现测序质量偏低、碱基含量不平稳、混入了其它物种的DNA序列的问题的信息；

步骤七、所有样本结果进行整合：对fastqc生成结果利用multiqc进行整合，使多样本整合成一个网页报告；

步骤八、分析方法图绘制：当质控流程完成后，snakemake自动生成分析方法图，便于直观展示。

2.如权利要求1所述的分析方法，其特征在于，步骤四中，所述excel表中的常质控指标包含原始数据reads条数、clean数据reads条数、clean数据与原始数据reads条数之比、原始数据量、clean数据量、clean数据量与原始数据量之比、GC含量、clean数据中大于Q20的比率、clean数据中大于Q30的比率指标信息。

3.如权利要求1所述的分析方法，其特征在于，步骤七中，所述网页报告中包含结果内容与步骤六中一致，但样本数是所有样本的综合结果。

4.如权利要求1-3之任一项所述方法在高通量测序质控分析中的应用。