Sequentiekwaliteit
Introductie tot Bioconductor in R
Paula Andrea Martinez, PhD.
Data Scientist
Kwaliteitsscores - Phred-tabel
| Kwaliteitswaarde | Kans op fout | Nauwkeurigheid (%) |
|---|---|---|
| 10 | 1 op 10 | 90 |
| 20 | 1 op 100 | 99 |
| 30 | 1 op 1000 | 99,9 |
| 40 | 1 op 10000 | 99,99 |
| 50 | 1 op 100000 | 99,999 |
Codering - Phred +33
# quality encoding
encoding(quality(fqsample))
Coderingstekens en hun scores
! " # $ % & ' ( ) * + , - . # encoding
0 1 2 3 4 5 6 7 8 9 10 11 12 13 # score
/ 0 1 2 3 4 5 6 7 8 9 : ; < # encoding
14 15 16 17 18 19 20 21 22 23 24 25 26 27 # score
= > ? @ A B C D E F G H I # encoding
28 29 30 31 32 33 34 35 36 37 38 39 40 # score
fastq-kwaliteit
library(ShortRead)
quality(fqsample)
class: FastqQuality
A BStringSet instance
# Kwaliteit wordt weergegeven met ASCII-tekens
[1] 40 ?@@DDDDDHDFDHE>AHFEGFIIEBGDBHH<3FEBEEEEG
[2] 40 BCCDFFFFHHHHHJJJJJJJJJJEHHGHIJJJJJJJJJJJ
[3] 40 BCCFFFFFHFHHHJJJJJJIIJJIIIIIGIIJJIJGIJII
[4] 40 CCCFFFFFHHHHHJJJJJJJJJJIJJJJJJJJJJJJJJJJ
library(ShortRead)sread(fqsample)[1]# Kwaliteit wordt weergegeven met ASCII-tekens quality(fqsample)[1]
50 GTCCCATTTACCTCTGACTCTTTTGATGCTGCAATTGCTGCTCATATACT50 ?@@DDDDDHDFDHE>AHFEGFIIEBGDBHH<3FEBEEEEGGIGIIGHGHC
## PhredQuality instance pq <- PhredQuality(quality(fqsample))# zet codering om naar scores qs <- as(pq, "IntegerList") qs # print scores
30 31 31 35 35 35 35 35 39 35 37 35 39 36 29 32 39 37 36 38 37 40 40 36 33 38 35 33 39 39 27 18 37 36 33 36
36 36 36 38 38 40 38 40 40 38 39 38 39 34
Kwaliteitsbeoordeling
library(ShortRead) # Kwaliteitsbeoordeling qaSummary <- qa(fqsample, lane = 1) # optionele lane# class: ShortReadQQA(10) # Namen beschikbaar in de samenvatting van de kwaliteitsbeoordeling names(qaSummary)
[1] "readCounts" "baseCalls" "readQualityScore" "baseQuality"
[5] "alignQuality" "frequentSequences" "sequenceDistribution" "perCycle"
[9] "perTile" "adapterContamination"
# QA-elementen open je met qa[["name"]]
# Maak een HTML-rapport
browseURL(report(qaSummary))
library(ShortRead)# alfabet van sequenties alphabet(sread(fullSample))
A,C,G,T,M,R,W,S,Y,K,V,H,D,B,N,-,+,.
abc <- alphabetByCycle(sread(fullSample))# Elke observatie is een letter en elke variabele is een cyclus. Selecteer eerst de 4 eerste rijen nucleotiden A, C, G, T # Draai daarna om nucByCycle <- t(abc[1:4,])nucByCycle <- nucByCycle %>% as_tibble() %>% # omzetten naar tibble mutate(cycle = 1:50) # cyclusnummers toevoegen nucByCycle
A C G T cycle
16839 16335 16740 10878 1
13056 13327 12064 22389 2
13666 15617 13198 18355 3
14723 15439 14239 16435 4
Ben je enthousiast?
Introductie tot Bioconductor in R
