生信软件工具-Trimmomatic

Trimmomatic

---

注意：软件工具一般会定期进行迭代更新，如果使用出现问题，请查看官方文档。

可以用来切除illumina测序平台的接头序列，还可以去除由我们自己指定的特定接头序列，而且同时也能够过滤read末尾的低质量序列。具体的原理就是通过滑动一定长度的窗口，计算窗口内的碱基平均质量，如果过低，就直接往后全部切除，不是挖掉read中的这部分低质量序列，而是像切菜一样，直接从低质量区域开始把这条read后面的所有其它碱基全部剁掉，否则就是在人为改变实际的基因组序列情况。

• Trimmomatic -- 去除测序接头和低质量序列
• 网址：http://www.usadellab.org/cms/index.php?page=trimmomatic
• 下载：直接去官网下载二进制软件,解压后的trimmomatic-0.36.jar即为需要的软件

1. adapters文件夹

   • 默认存放的是illumina测序平台的接头序列（fasta格式），在实际的使用过程中，如果需要去除接头，我们需要明确指定对应的序列作为输入参数。一般来说，目前的HiSeq系列和MiSeq系列用的都是TruSeq3，TruSeq2是以前GA2系列的测序仪所用的，已经很少见了。如果用的不是illumina测序平台，那么我们也可以按照adapters文件夹下的这些文件的格式做一个新的接头序列，然后再作为参数传入。不过在自定义接头序列的时候，命名时有一些小的细节需要注意，可以参考Trimmomatic的主页文档（The Adapter Fasta）

2. 使用方法：

PE和SE两种方式，详见说明文档

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，是不需要指定文件来存放被过滤掉的read信息的，后面直接就接Trimmer信息！这是需要注意到的一个地方

3. 参数说明：
   PE/SE 设定对Paired-End或Single-End的reads进行处理，其输入和输出参数稍有不一样。
   -threads 设置多线程运行数
   -phred33 设置碱基的质量格式，默认是pred64
   ILLUMINACLIP:TruSeq3-PE.fa:2:30:10 TruSeq3-PE.fa是接头序列，2是比对时接头序列时所允许的最大错配数；30指的是要求PE的两条read同时和PE的adapter序列比对，匹配度加起来超30%，那么就认为这对PE的read含有adapter，并在对应的位置需要进行切除。10和前面的30不同，它指的是，我就什么也不管，反正只要这条read的某部分和adpater序列有超过10%的匹配率，那么就代表含有adapter了，需要进行去除数：palindrome模式下匹配碱基数阈值：simple模式下的匹配碱基数阈值。
   LEADING:3 切除首端碱基质量小于3的碱基
   TRAILING:3 切除尾端碱基质量小于3的碱基
   SLIDINGWINDOW:4:15 从5'端开始进行滑动，当滑动位点周围一段序列(window)的平均碱基低于阈值，则从该处进行切除。Windows的size是4个碱基，其平均碱基质量小于15，则切除。
   MINLEN:50 规定read被切除后至少需要保留的长度，如果低于该长度，会被丢掉
   CROP:<length> 保留reads到指定的长度
   HEADCROP:<length> 在reads的首端切除指定的长度
   TOPHRED33 将碱基质量转换为pred33格式
   TOPHRED64 将碱基质量转换为pred64格式

如果下机的fq数据中不含有这些测序接头，那么我们除了trimmomatic之外，也可以直接使用sickle（同时支持PE和SE数据）或者seqtk（仅支持SE），这两个处理起来会更快，消耗的计算资源也更少。