Aller au contenu
Omnikalc

Calculateur de score de qualité Phred : combien d’erreurs contiennent vos données de séquençage ?

Saisissez un score de qualité Phred, la longueur de lecture et le nombre de lectures pour obtenir la probabilité d’erreur, l’exactitude, les erreurs par lecture et la part de lectures sans erreur.

Mis à jour le
Vos paramètres

Valeur hors limites

bases

Valeur hors limites

millions

Valeur hors limites

Résultats

Probabilité qu’une base appelée soit fausse

1,0000 %

Sous Q20 : appels de base peu fiables
Exactitude de l’appel de base
99,0000 %
Une erreur attendue toutes les
100 bases
Erreurs attendues par lecture
1,000
Lectures sans aucune erreur
36,6 %
Bases fausses sur tout le séquençage
10 000 000

Les séquenceurs d’ADN donnent à chaque base un score de qualité sur l’échelle Phred. Ce calculateur de score de qualité Phred transforme le score Q en probabilité d’erreur, exactitude, erreurs attendues par lecture et part des lectures sans erreur. Avec le nombre de lectures, il donne aussi le nombre total de bases fausses du séquençage.

Comment se fait le calcul

  • Saisissez le score de qualité Phred Q des bases, la longueur de lecture et le nombre de lectures.
  • La probabilité qu’une base appelée soit fausse est P = 10^(−Q/10), et l’exactitude est 1 − P.
  • Q10 signifie 1 erreur sur 10, Q20 1 sur 100, Q30 1 sur 1 000 et Q40 1 sur 10 000.
  • Le calculateur donne les erreurs attendues par lecture, la part des lectures sans erreur (1 − P)^longueur et le nombre total de bases fausses du séquençage.

Exemple

Un séquençage a des bases Q20, des lectures de 100 bases et 10 millions de lectures. La probabilité d’erreur est de 1 %, donc une base sur 100 est fausse. Chaque lecture a en moyenne 1,0 erreur, 36,6 % des lectures n’ont aucune erreur, et le séquençage contient 10 millions de bases fausses sur ses 1 milliard.

Pourquoi c’est utile

Les scores de qualité servent à filtrer et à rogner les lectures, à juger un séquençage, à choisir les paramètres de l’alignement et de l’appel de variants, et à comprendre pourquoi certaines applications demandent une qualité plus haute. Le calculateur transforme l’échelle logarithmique en nombres faciles à se représenter.

À savoir

Le score est l’estimation propre de la plateforme et non un taux d’erreur mesuré, et le calculateur suppose le même Q pour toutes les bases et des erreurs indépendantes. Dans les données réelles, la qualité change le long de la lecture et d’une lecture à l’autre, et les erreurs ne sont pas indépendantes. Pour un mélange de scores, calculez la probabilité d’erreur moyenne, pas le Q moyen. Les scores Phred du format FASTQ sont stockés sous forme de caractères avec un décalage de 33.

Outils liés

Le calculateur de concentration d’ADN couvre la préparation des échantillons, celui de nombre de copies d’ADN couvre le nombre de molécules matrices, celui de réduction logarithmique utilise la même échelle logarithmique, et celui de loi binomiale couvre la probabilité d’un nombre d’erreurs.

Questions fréquentes

Qu’est-ce qu’un score de qualité Phred ?

C’est un nombre Q = −10 log₁₀(P) qu’un séquenceur attache à chaque base lue, où P est la probabilité estimée que l’appel soit faux. Il a été créé pour le programme Phred du Projet génome humain afin de lire les chromatogrammes du séquençage de Sanger, et c’est maintenant la norme du format FASTQ utilisé par Illumina et d’autres plateformes.

Que signifient Q20 et Q30 ?

Q20 signifie 1 % de risque d’erreur, soit une exactitude de 99 %. Q30 signifie 0,1 %, soit 99,9 % d’exactitude. Q40 vaut 0,01 %. Chaque pas de 10 sur Q divise la probabilité d’erreur par 10. Les prestataires de séquençage indiquent souvent le pourcentage de bases au moins égales à Q30.

Pourquoi la part de lectures sans erreur baisse-t-elle avec la longueur ?

Les erreurs s’additionnent le long d’une lecture : une lecture de L bases avec une probabilité d’erreur P par base n’a aucune erreur avec la probabilité (1 − P)^L. Pour Q30 et 150 bases, cela fait 86 %, mais pour Q20 et 150 bases seulement 22 %, d’où l’importance d’un Q élevé pour les lectures longues ou la détection de variants rares.

Le score est-il un taux d’erreur exact ?

C’est une estimation fondée sur un modèle du signal, et une plateforme bien calibrée donne un taux d’erreur réel proche. Les taux d’erreur réels dépendent aussi de la position dans la lecture, du contexte de séquence et de la chimie. Les erreurs peuvent être plus grandes que prévu, donc certaines chaînes de traitement recalibrent les scores avec des sites connus.

Ce calculateur vous a-t-il été utile ?

Merci pour votre avis !

Résultats indicatifs fournis à titre d'information. Ils ne remplacent pas l'avis d'un professionnel.