准备上传数据时发现一个有趣的问题，自己不知道数据来自于哪个illumina的哪个测序平台，所以整理下如何根据FASTQ的标识行分析测序数据的来源
FASTQ格式文件中每个read由四行描述，如下：
@HWI-ST1327:30:C18RRACXX:8:1101:10939:1992 1:N:0:ACCAAT
AGGACCCGAAAGATGGTGATGGAATTCTCGGGTGCCAAGGAACTCCAGTC
+
DDFFFHHHHHJIIIJJHIHIJJJJIJIIJJJJDGHIJJJJIJJJJJJJIJ
其中illumina测序标识符和测序仪器线索相关的内容为就是第一行中 HWI-ST1327部分，用于说明来自于什么测序平台。
根据10X公司的脚本，illumina_instrument.py，整理出如下内容
测序仪器平台编号
MiSeqHWI-M
Genome Analyzer IIxHWUSI
HiSeq 1500HWI-C 或 C
Hiseq 2500HWI-D 或 D
Hiseq 3000J
HiSeq 3000 或 HiSeq 4000K
HiSeq XE
NextSeqNB或NS
MiniSeqMN
举几个例子：
'@E00591:243:HLK2YCCXY:3:1101:4411:1608 1:N:0:AGCAGGAA' 包含E，也就是HiSeq X平台，
'@ST-E00314:132:HLCJTCCXX:6:2206:31213:47966 1:N:0' 虽然开头是ST，但是后续跟着E，那么还是HiSeq X。
大部分情况都能解决问题，但是如果你遇到了'@HISEQ:739:CCGERANXX:7:1101:9617:1309 1:N:0:NATCCGTC' 这种编号的话，那么就得求助这里面的'CCGERANXX'这9个字符组成的FCID
还是根据illumina_instrument.py脚本里的内容，查询以C开头，ANXX结尾的是'HiSeq 1500', 'HiSeq 2000', 'HiSeq 2500'，我们将范围缩减到了3个平台。同时我们还可以查询每个测序仪器的测序读长范围。
根据我整理的表格，至少能够区分250bp ， 以及小于100bp的FASTQ数据来源。
测序仪型号最长读长数据量
HiSeq X2 x 150 bp1.6–1.8 Tb
NovaSeq 60002 x 150 bp134–6000 Gb
HiSeq 40002 x 150 bp125–1500 Gb
HiSeq 3000(过时,不用)2 x 150 bp
HiSeq 25002 x 250bp9 –1000Gb
HiSeq 20002 X 100 bp36 - 200Gb
NextSeq2x 150bp20–120 Gb
考虑HiSeq 1500 基本不用，最后就只有2个选项，最后比较下每个读段长度，就能分析出具体的平台了
参考资料
- https://github.com/10XGenomics/supernova/blob/master/tenkit/lib/python/tenkit/illumina_instrument.py
- Illumina的仪器说明
本站仅提供存储服务，所有内容均由用户发布，如发现有害或侵权内容，请
点击举报。
