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.