biolearnexact1trchoax2ux2px37x38x35

FASTQとは何か

この記事で学ぶこと

FASTQは、シーケンサーから得られたリード配列と、各塩基の読み取り信頼度を表す品質スコアを保存する代表的なテキスト形式です。

RNA-seqやゲノム解析では、シーケンスデータの出発点としてFASTQファイルを受け取り、品質確認、前処理、マッピングなどへ進みます。FASTQは「何が読まれたか」と「どれくらい確からしく読めたか」を一緒に持つファイルだと考えると理解しやすいです。

FASTQは、多くのシーケンス解析で最初に扱うファイルです。ここでサンプル対応や品質の問題を見落とすと、その後のマッピング、カウント、バリアントコールの結果にも影響します。

FASTQを理解すると、解析結果を「ツールが出した表」として見るだけでなく、どのような生データから出発したのかを確認できます。特に低品質なリード、アダプター配列、サンプル取り違えの可能性は、早い段階で見るほど解釈しやすくなります。

FASTQの1つの記録は、リード名、塩基配列、区切り行、品質スコアの4行で表されます。リードは、シーケンサーが読み取った短い配列断片です。

品質スコアは、各塩基の読み取りにどれくらい不確かさがあるかを数値化したものです。実際のFASTQでは文字列として表されますが、解析では塩基ごとの品質分布やリード全体の品質として確認します。

FASTQを受け取ったら、まずサンプル表とファイル名が対応しているかを確認します。ペアエンド解析では、同じサンプルに対応する2つのFASTQファイルがそろっているかも重要です。

次に、リード数、塩基ごとの品質、アダプター混入、GC含量、重複の程度などを確認します。必要に応じて、低品質な末端やアダプター配列を除く前処理を行い、その後で参照配列へのマッピングや発現量推定へ進みます。

FASTQの品質が低いと、リードが正しい位置に対応づきにくくなったり、誤った塩基差が候補として出たりすることがあります。特にゲノム解析では、低品質な読み取りがバリアント候補に見えることがあります。

一方で、品質が高いFASTQであっても、それだけで生物学的な結論が保証されるわけではありません。実験設計、メタデータ、解析条件、統計的な検証と合わせて結果を読みます。

論文のMethodsでは、FASTQは「raw reads」「sequencing reads」「FASTQ files」などとして出てきます。データ公開では、SRAやENAなどからFASTQを取得できる場合があります。

ResultsではFASTQそのものが図になることは少なく、品質管理図、マッピング率、カウント行列、VCFなどに処理された後の結果として現れます。Supplementaryやリポジトリでは、サンプルIDとFASTQファイルの対応表が重要になります。

日本語	英語	略語	説明
FASTQ	FASTQ format	FASTQ	リード配列と塩基ごとの品質スコアを保存するシーケンスデータの形式。
リード	read	-	シーケンサーで読み取られた短い配列断片。
品質スコア	quality score	Q score	塩基の読み取りがどれくらい信頼できるかを表す指標。
シーケンスデータ	sequence data	-	DNAやRNAの塩基配列を読み取って得られるデータ。

確認問題

読み終えた内容を、1問ずつ選択式で確認します。

未回答

4問最高記録なし復習なし