Zobrazení zdroje stránky FASTQ

'''FASTQ''' je textový [[soubor]] sloužící k uchování biologické sekvence (typicky nukleotidové sekvence) a také nese informace o skóre kvality jednotlivých [[Nukleotid|nukleotidů]]. Samotné báze sekvence, tak i skóre kvality je zakódováno jedním [[ASCII]] znakem. Skóre kvality udává, s jakou pravděpodobností byla konkrétní báze určena chybně. 

[[Formát souboru|Formát]] byl původně vytvořen ve Welcome Trust Sanger Institute, aby do jednoho souboru bylo možno uložit informaci jak o sekvenci, tak i o kvalitě dat. Díky tomu se stal standardem pro uchovávání výstupů z high-throughput sekvenátorů.<ref>{{Citace elektronického periodika
 | příjmení1 = Cock
 | jméno1 = Peter J. A.
 | příjmení2 = Fields
 | jméno2 = Christopher J.
 | příjmení3 = Goto
 | jméno3 = Naohisa
 | příjmení4 = Heuer
 | jméno4 = Michael L.
 | příjmení5 = Rice
 | jméno5 = Peter M.
 | titul = The Sanger FASTQ file format for sequences with quality scores, and the Solexa/Illumina FASTQ variants
 | periodikum = Nucleic Acids Research
 | ročník = 38
 | číslo = 6
 | datum_vydání = 2010-04
 | strany = 1767–1771
 | url = https://academic.oup.com/nar/article/38/6/1767/3112533?login=true
 | doi = 10.1093/nar/gkp1137
}}</ref>

FASTQ soubory mohou obsahovat až několik milionů znaků a mohou dosahovat velikosti až několik gigabytů, což je často dělá moc velkými na to, aby mohly být otevřeny v běžném textovém editoru. FASTQ soubory totiž typicky obsahují velké množství sekvencí. Často je ale není potřeba otevírat, protože jsou vstupními soubory pro následné analýzy jako je například [[Alignment (biologie)|alignment]] k referenčnímu [[Genom|genomu]] nebo de novo sestavování genomu. Pokud by ale uživatel chtěl soubor zobrazit je vhodné k tomu použít systém [[Unix]] nebo [[Linux]] které umožňují zobrazení velkých souborů přes příkazovou řádku.

FASTQ soubor se skládá ze 4 řádků:

* Pole 1 začíná znakem @ a je následováno identifikátorem sekvence a volitelným popisem jako jsou třeba informace o sekvenaci.
* Pole 2 je složeno z písmen samotné sekvence.
* Pole 3 začíná znakem + a také může být také následováno stejným identifikátorem či různým popisem.
* Pole 4 nese informaci o skóre kvality jednotlivých písmen ze řádku 2. Musí obsahovat stejný počet znaků jako řádek 2.
FASTQ soubor obsahující jednu sekvenci může vypadat takto:
<pre>
@SEQ_ID
GATTTGGGGTTCAAAGCAGTATCGATCAAATAGTAAATCCATTTGTTCAACTCACAGTTT
+
!''*((((***+))%%%++)(%%%%).1***-+*''))**55CCF>>>>>>CCCCCCC65
</pre>

== Kvalita ==
Hodnoty kvality neboli Q skóre jsou reprezentovány [[ASCII]] znaky. Znak reprezentující nejnižší kvalitu je "!" a nejvyšší kvalitu reprezentuje znak "~". Znaky (celkem 94) jsou pak zleva doprava seřazeny od nejnižší kvality po nejvyšší takto:<ref>{{Citace elektronické monografie
| titul = Sequencing Quality Scores
| url = https://www.illumina.com/science/technology/next-generation-sequencing/plan-experiments/quality-scores.html
}}</ref> 
<pre>
!"#$%&'()*+,-./0123456789:;<=>?@ABCDEFGHIJKLMNOPQRSTUVWXYZ[\]^_`abcdefghijklmnopqrstuvwxyz{|}~
</pre>
 
Sekvenační kvalita dané báze Q je definována následujícím vztahem:
: <math>Q_\ = -10 \, \log_{10} p</math>

kde p je předpokládaná pravděpodobnost chybně určené báze.
Vyšší Q skóre indikuje menší pravděpodobnost chyby. Nižší Q skóre naopak vyšší pravděpodobnost chyby. 
Kvality skóre 20 (Q20) znamená 1 chybu na 100 znaků, což odpovídá přesnosti 99 %. Q30 se považuje za měřítko kvality pro [[sekvenování nové generace]] (NGS).

=== Encoding ===
Způsob kódování kvality se liší v závislosti na použitém přístroji a softwaru pro určování bází (tzv. basecaller). Například formát Phred+33 používaný při [[Sangerova metoda sekvenování|Sangerovu sekvenování]] kóduje skóre kvality od 0 do 93 a využívá pro to [[ASCII]] znaky s kódem 33 až 126. Nejnižší kvalita (0) odpovídá tedy [[ASCII]] znaku 33, což je !. Dalšími formáty je Phred+64 a Solexa+64, kdy kvalitě 0 odpovídá [[ASCII]] znak 64. Rozdíl mezi Phred+64 a Solexa+64 je, že u kódování Solexa může hodnota kvality dosáhnout záporné hodnoty -5. Nejpoužívanější je ale formát Phred+33 a je využíván většinou používaných přístrojů. Typická kvalita většinou nepřesahovala 40. Což se s nástupem sekvenování nové generace či vylepšováním technik mění a jsme schopni tuto hodnotu přesáhnout. Nevýhodou je, pokud některé nástroje či skripty se setkají s hodnotou kvality vyšší než 40, může to vést jejich selhání či chybám. 
   <span style="color: purple">SSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSS</span>.....................................................
   ..........................<span style="color: green">XXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXX</span>......................
   ...............................<span style="color: #CC5500">IIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIII</span>......................
   .................................<span style="color: #FFA500">'''J'''JJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJ</span>.....................
   <span style="color: #FF7518">LLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLL</span>....................................................
   <span style="color: steelblue">NNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNNN...........................................</span>
   <span style="color: blue"  >EEEEEE</span><span style="color: blue"  >EEEEEE</span><span style="color: blue"  >EEEEEE</span><span style="color: blue"  >EEEEEE</span><span style="color: blue"  >EEEEEE</span><span style="color: blue"  >EEEEEE</span><span style="color: blue"  >EEEEEE</span><span style="color: blue"  >EEEEEE</span><span style="color: blue"  >EEEEEE</span><span style="color: blue"  >EE</span>
   <span style="color: red"  >PPPPPP</span><span style="color: red"  >PPPPPP</span><span style="color: red"  >PPPPPP</span><span style="color: red"  >PPPPPP</span><span style="color: red"  >PPPPPP</span><span style="color: red"  >PPPPPP</span><span style="color: red"  >PPPPPP</span><span style="color: red"  >PPPPPP</span><span style="color: red"  >PPPPPP</span><span style="color: red"  >PPPPPP</span><span style="color: red"  >PPPPPP</span><span style="color: red"  >PPPPPP</span><span style="color: red"  >PPPPPP</span><span style="color: red"  >PPPPPP</span><span style="color: red"  >PPPPPP</span><span style="color: red"  >PPPP</span>
   !"#$%&'()*+,-./0123456789:;<=>?@ABCDEFGHIJKLMNOPQRSTUVWXYZ[\]^_`abcdefghijklmnopqrstuvwxyz{|}~
   |                         |    |        |              |               |                     |
  33                        59   64       73             88             104                   126
 <span style="color: purple">  0........................26...31.......40                                </span>
 <span style="color: green" >                           -5....0........9.............................40 </span>
 <span style="color: #CC5500"  >                                 0........9.............................40 </span>
 <span style="color: #FFA500">                                    3.....9..............................41 </span>
 <span style="color: #FF7518" >  0.2......................26...31........41                              </span>
 <span style="color: steelblue" >  0..................20........30........40........50</span>
 <span style="color: blue" >  0..................20........30........40........50...55</span>
 <span style="color: red" >  0..................20........30........40........50..........................................93</span>

  <span style="color: purple">S - Sanger        Phred+33,  typická kvalita hrubých dat (0, 40)</span>
  <span style="color: green" >X - Solexa        Solexa+64, typická kvalita hrubých dat (-5, 40)</span>
  <span style="color: #CC5500"  >I - Illumina 1.3+ Phred+64,  typická kvalita hrubých dat (0, 40)</span>
  <span style="color: #FFA500">J - Illumina 1.5+ Phred+64,  typická kvalita hrubých dat (3, 41)
      kde 0=nepoužito, 1=nepoužito, 2=Kontrolní indikátor kvality segmentu čtení (tučně). </span>
  <span style="color: #FF7518" >L - Illumina 1.8+ Phred+33,  typická kvalita hrubých dat (0, 41)</span>
  <span style="color: steelblue" >N - Nanopore      Phred+33,  typická kvalita duplexových dat (0, 50)</span>
  <span style="color: blue">E - ElemBio AVITI Phred+33,  typická kvalita hrubých dat (0, 55)</span>
  <span style="color: red"   >P - PacBio        Phred+33,  typická kvalita HiFi dat (0, 93)</span>

== Reference ==
<references />

[[Kategorie:Bioinformatika]]