[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

说明书

本发明公开了一种基于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，所述方法具体包括如下步骤：文件准备；多样本并行fastp质控过滤；单样本fastp运行监控；所有样本fastp质控结果汇总；质控结果汇总邮件反馈；多样本并行fastqc检测；所有样本结果进行整合；分析方法图绘制。本发明所述分析方法能够对样本进行批量处理，获得的结果全面，并能够自动整理所有分析结果，进行统计汇总可视化，同时所有操作步骤可溯源，方便错误查询。

技术领域

本发明属于高通量微生物测序技术领域，涉及一种基于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。

背景技术

高通量测序又称“下一代测序”，是对传统测序的一次变革，与传统的Sanger测序相比，新一代测序技术的通量提高了一到两个数量级，能够经济地对基因组进行高倍率的序列覆盖。随着高通量测序仪器的性能的逐渐稳定和价格的不断下降，其应用也越来越广泛，因此基于高通量测序数据的研究将会在数量上和应用上呈现井喷式的快速发展趋势。

由于高通量测序技术本身的限制及人为的实验操作误差，原始生成的高通量测序数据往往含有部分低质量序列，包括低质量碱基和污染序列等。这些低质量序列的存在会极大影响后续数据分析结果，导致错误结果和结论。因此质量控制是进行高通量测速数据分析必须的关键步骤之一。

由于高通量测序数据往往具有数据量大，样本数多等特点，所以对应于高通量测序数据的质量控制，必须具有多样本批量处理、单样本分析速度快、实时监测单样本运行是否成功、快速反馈数据质控结果等特点。目前的普通分析方法利用Trimmomatic先进行低质量序列及测序接头进行过滤，然后使用fastqc对数据进行质量可视化分析，且只能进行单样本处理，对于大样本量的高通量测序数据进行质控处理可能需要几天甚至一个月的时间，且不能对分析结果进行快速反馈，没有流程监控机制，使数据分析成为相关研究中的一大瓶颈。

现有高通量测序质控分析流程在如下缺陷：(1)单样本分析速度慢：单个样本从原始数据到质控过滤出结果耗时长；(2)不能批量处理样本：只能进行单样本质控，不能多样本并行处理；(3)分析结果反馈不及时：流程跑完需要人工核对，不能及时邮件反馈；(4) 无错误检测机制：没有单样本是否运行成功的检测机制；(5)无分析流程可视化：没有对分析流程进行直观的可视化展示；(6)结果展示不完整：分析结果过于简单，缺少数据对应的可视化展示内容。

发明内容

为了解决现有技术存在的不足，本发明的目的是提供一种基于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。

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^[1]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，包括利用滑窗(4bp大小)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、去除短序列(长度小于下机长度一半)、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等，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：