每条reads长度为150bp，通过换算将原始数据缩减，然后质控到6G左右。
其中seqtk截取数据，head等提取reads数目；

1.Trimmomatic 过滤

1、去除adapter序列以及测序中其他特殊序列；

2、采用滑动窗口的方法，切除或者删除低质量碱基；

3、去除头部低质量以及N碱基过多的reads；

4、去除尾部低质量以及N碱基过多的reads；

5、截取固定长度的reads；

6、丢掉小于一定长度的reads；

7、Phred 质量值转换

Trimmomatic 过滤数据的步骤与命令行中过滤参数的顺序有关，通常的过滤步骤如下：
每一步的过滤如果需要多个参数，通常用冒号:将各个参数隔开，当然参数的先后顺序是有要求的。

java -jar -Xmx20g trimmomatic-0.36.jar PE -threads 4 Sample.R1.fq.gz Sample.R2.fq.gz Sample.R1.fq.gz Sample.R1_un.fq.gz Sample.R2.fq.gz Sample.R2_un.fq.gz CROP:150 ILLUMINACLIP:TruSeq3-PE-2.fa:2:30:10:8:true LEADING:3 TRAILING:3 SLIDINGWINDOW:4:15 MINLEN:50

ILUMINACLIP
从名字可以看出，这一步是为了去除 illumina 接头的，这个软件其实就是专为 illumina 平台数据而设计的。

• ILLUMINACLIP: 过滤 reads 中的 Illumina 测序接头和引物序列，并决定是否去除反向互补的 R1/R2 中的 R2。接头序列需要提前备好。
• SLIDINGWINDOW: 从 reads 的 5’ 端开始，进行滑窗质量过滤，切掉碱基质量平均值低于阈值的滑窗。
• MAXINFO: 一个自动调整的过滤选项，在保证 reads 长度的情况下尽量降低测序错误率，最大化 reads 的使用价值。
• LEADING: 从 reads 的开头切除质量值低于阈值的碱基。
• TRAILING: 从 reads 的末尾开始切除质量值低于阈值的碱基。
• CROP: 从 reads 的末尾切掉部分碱基使得 reads 达到指定长度。
• HEADCROP: 从 reads 的开头切掉指定数量的碱基。
• MINLEN: 如果经过剪切后 reads 的长度低于阈值则丢弃这条 reads。
• AVGQUAL: 如果 reads 的平均碱基质量值低于阈值则丢弃这条 reads。
• TOPHRED33: 将 reads 的碱基质量值体系转为 phred-33。
• TOPHRED64: 将 reads 的碱基质量值体系转为 phred-64。

2.输入输出文件

PE 模式的两个输入文件：sample_R1.fastq sample_R2.fastq以及四个输出文件：sample_paired_R1.clean.fastq sample_unpaired_R1.clean.fastq sample_paired_R1.clean.fastq sample_unpaired_R1.clean.fastq

这里建议直接输出样本名对应的paired*.gz文件以便进行后续流程分析。

3.过滤原理**

网上搜索到一个图片展示：

image.png

详细可参考8种特殊建库测序 https://www.cnblogs.com/think-and-do/p/6613719.html

常见报错信息：
1.接头文件未识别或者不对应；
2.原始文件抽取bug----下机数据足够，抽取显示数据不足
3.文件抽取失败；
4.服务器运行故障；

遇到1，2问题，结果文件夹中会出现部分结果，但是没有clean_data文件或者数据量不足（常见于2），这时候需要把该样本跑出的结果删掉再重新跑；
遇到3，4问题，一般是该样本未顺利进行，结果文件夹中也没有对应的文件，重置task在运行即可。

后面会根据raw_data（缩减后）--clean_data的数据，展示质控前后数据质量的变化。fastp软件详解见https://www.jianshu.com/p/642890df29e5