Los secuenciadores de ADN dan a cada base una puntuación de calidad en la escala Phred. Esta calculadora de puntuación de calidad Phred transforma la puntuación Q en probabilidad de error, exactitud, errores esperados por lectura y parte de las lecturas sin errores. Con el número de lecturas, da también el número total de bases erróneas de la secuenciación.
Cómo se hace el cálculo
- Introduce la puntuación de calidad Phred Q de las bases, la longitud de lectura y el número de lecturas.
- La probabilidad de que una base llamada sea errónea es P = 10^(−Q/10), y la exactitud es 1 − P.
- Q10 significa 1 error de cada 10, Q20 1 de cada 100, Q30 1 de cada 1000 y Q40 1 de cada 10.000.
- La calculadora da los errores esperados por lectura, la parte de lecturas sin errores (1 − P)^longitud y el número total de bases erróneas de la secuenciación.
Ejemplo
Una secuenciación tiene bases Q20, lecturas de 100 bases y 10 millones de lecturas. La probabilidad de error es del 1 %, así que una base de cada 100 es errónea. Cada lectura tiene de media 1,0 errores, el 36,6 % de las lecturas no tienen ningún error, y la secuenciación contiene 10 millones de bases erróneas entre sus 1000 millones.
Por qué es útil
Las puntuaciones de calidad sirven para filtrar y recortar las lecturas, para juzgar una secuenciación, para elegir los parámetros del alineamiento y de la llamada de variantes, y para entender por qué algunas aplicaciones exigen una calidad más alta. La calculadora transforma la escala logarítmica en números fáciles de imaginar.
Conviene saber
La puntuación es la estimación propia de la plataforma y no una tasa de error medida, y la calculadora supone la misma Q para todas las bases y errores independientes. En los datos reales, la calidad cambia a lo largo de la lectura y de una lectura a otra, y los errores no son independientes. Para una mezcla de puntuaciones, calcula la probabilidad de error media, no la Q media. Las puntuaciones Phred del formato FASTQ se almacenan como caracteres con un desplazamiento de 33.
Herramientas relacionadas
La calculadora de concentración de ADN cubre la preparación de las muestras, la de número de copias de ADN cubre el número de moléculas molde, la de reducción logarítmica utiliza la misma escala logarítmica, y la de distribución binomial cubre la probabilidad de un número de errores.