Saltar al contenido
Omnikalc

Calculadora de puntuación de calidad Phred: ¿cuántos errores contienen tus datos de secuenciación?

Introduce una puntuación de calidad Phred, la longitud de lectura y el número de lecturas para obtener la probabilidad de error, la exactitud, los errores por lectura y la parte de lecturas sin errores.

Actualizado el
Tus datos

Valor fuera de rango

bases

Valor fuera de rango

millones

Valor fuera de rango

Resultados

Probabilidad de que una base llamada sea errónea

1,0000 %

Por debajo de Q20: llamadas de base poco fiables
Exactitud de la llamada de base
99,0000 %
Un error esperado cada
100 bases
Errores esperados por lectura
1,000
Lecturas sin ningún error
36,6 %
Bases erróneas en toda la secuenciación
10.000.000

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.

Preguntas frecuentes

¿Qué es una puntuación de calidad Phred?

Es un número Q = −10 log₁₀(P) que un secuenciador asocia a cada base leída, donde P es la probabilidad estimada de que la llamada sea errónea. Se creó para el programa Phred del Proyecto Genoma Humano con el fin de leer los cromatogramas de la secuenciación de Sanger, y hoy es la norma del formato FASTQ utilizado por Illumina y otras plataformas.

¿Qué significan Q20 y Q30?

Q20 significa un 1 % de riesgo de error, es decir, una exactitud del 99 %. Q30 significa un 0,1 %, es decir, un 99,9 % de exactitud. Q40 equivale a un 0,01 %. Cada paso de 10 en Q divide la probabilidad de error entre 10. Los proveedores de secuenciación suelen indicar el porcentaje de bases con al menos Q30.

¿Por qué baja la parte de lecturas sin errores con la longitud?

Los errores se acumulan a lo largo de una lectura: una lectura de L bases con una probabilidad de error P por base no tiene ningún error con la probabilidad (1 − P)^L. Para Q30 y 150 bases, eso es el 86 %, pero para Q20 y 150 bases solo el 22 %, de ahí la importancia de una Q alta para las lecturas largas o la detección de variantes raras.

¿Es la puntuación una tasa de error exacta?

Es una estimación basada en un modelo de la señal, y una plataforma bien calibrada da una tasa de error real cercana. Las tasas de error reales dependen también de la posición en la lectura, del contexto de secuencia y de la química. Los errores pueden ser mayores de lo previsto, así que algunos flujos de procesamiento recalibran las puntuaciones con sitios conocidos.

¿Te ha resultado útil esta calculadora?

¡Gracias por tu opinión!

Resultados orientativos con fines informativos. No sustituyen el consejo de un profesional.