Trimmomatic

2019年04月16日　更新

Trimmomaticとは

次世代シークエンサーのショートリードデータをトリミングするツール．Trinityなどでも用いられている．

インストール

biocondaにあります．

使い方

ペアエンドの場合 fastaはinputもoutputもfastq.gzでも可．outputはペアがともに残っているリードと，除去されて片側しかないリードが分けて出力される．
- ILLUMINACLIP:アダプター配列ファイル:許容ミスマッチ数:palindrome clip threshold:simple clip threshold
- SLIDINGWINDOW:ウィンドウサイズ:平均クオリティ
- LEADING:先頭からトリムするクオリティの閾値
- TAILING:末尾からトリムするクオリティの閾値
- CROP:残す塩基数
- HEADCROP:先頭から除去する塩基数
- MINLEN:許容する最小塩基数

palindromeとsimpleについて
アダプター配列を見つけたら削るのがsimple mode．
ライブラリのインサートサイズが短い場合，Illuminaのシークエンサーでは末端のアダプター配列まで読んでしまうことがある．これを探すのがpalindrome mode．見つかったら，forwardはアダプター部分を削って，reverseのリードは捨てる．
Palindrome modeを用いる場合，ペアとなるアダプター配列の名前はPrefixで始まり，/1と/2で終わる必要がある．それ以外の名前はすべてsimple modeとして出力される．

アダプター配列の逆相補鎖はtrimしてくれない
入力のアダプター配列に逆相補鎖の配列を加えると、trimされるリードが増えた。
そのため、おそらくSimple modeのアダプター配列は入力した配列のみアラインメントされ、逆相補鎖は考慮されない。考慮したい場合は入力のfastaファイルに逆相補鎖も追記しておく必要がある。

ILLUMINACLIPでのトリムは、入力のアダプター配列の全長を用いてクオリティやミスマッチからアダプターを除去しているようです。つまり、9割の延期で完全一致していても除いてはくれない。入力の配列を短くしておくと、部分一致でも実質取り除いてくれる。


処理が実行される順番は左からのようです．150bpのペアエンドに対して，CROP:80 MINLEN:100では出力がなくなり，MINLEN:100 CROP:80 では，80bpのリードが出力されました．

参考文献

本家サイト
https://bi.biopapyrus.jp/rnaseq/qc/trimmomatic.html