FASTQ格式

FASTQ格式是一種儲存生物序列（通常為核酸序列）及其定序質素得分資訊的文字格式。序列與質素得分皆由單個ASCII字元表示。

該格式最初由維爾康姆基金會桑格研究所開發，旨在將FASTA格式序列及其質素數據整合在一起。而目前，FASTQ格式已經成為了儲存高通量定序結果的事實標準。^[1]

格式

FASTQ檔案中，一個序列通常由四行組成：

• 第一行以@開頭，之後為序列的識別碼以及描述資訊（與FASTA格式的描述行類似）
• 第二行為序列資訊
• 第三行以+開頭，之後可以再次加上序列的標識及描述資訊（可選）
• 第四行為質素得分資訊，與第二行的序列相對應，長度必須與第二行相同

以下為一個包含單個序列的FASTQ檔案範例：

@SEQ_ID
GATTTGGGGTTCAAAGCAGTATCGATCAAATAGTAAATCCATTTGTTCAACTCACAGTTT
+
!''*((((***+))%%%++)(%%%%).1***-+*''))**55CCF>>>>>>CCCCCCC65

其中!為最低質素、~則為最高質素。以下字元從左到右代表從低到高的質素得分的：

 !"#$%&'()*+,-./0123456789:;<=>?@ABCDEFGHIJKLMNOPQRSTUVWXYZ[\]^_`abcdefghijklmnopqrstuvwxyz{|}~

字元與對應的ASCII碼如下：

十進制	圖形
33	!
34	"
35	#
36	$
37	%
38	&
39	'
40	(
41	)
42	*
43	+
44	,
45	-
46	.
47	/
48	0

十進制	圖形
49	1
50	2
51	3
52	4
53	5
54	6
55	7
56	8
57	9
58	:
59	;
60	<
61	=
62	>
63	?
64	@

十進制	圖形
65	A
66	B
67	C
68	D
69	E
70	F
71	G
72	H
73	I
74	J
75	K
76	L
77	M
78	N
79	O
80	P

十進制	圖形
81	Q
82	R
83	S
84	T
85	U
86	V
87	W
88	X
89	Y
90	Z
91	[
92	\
93	]
94	^
95	_
96	`

十進制	圖形
97	a
98	b
99	c
100	d
101	e
102	f
103	g
104	h
105	i
106	j
107	k
108	l
109	m
110	n
111	o
112	p

十進制	圖形
113	q
114	r
115	s
116	t
117	u
118	v
119	w
120	x
121	y
122	z
123	{
124	|
125	}
126	~

最初桑格研究所的FASTQ格式允許序列與質素資訊分成多行儲存。但一般不推薦採用這種方式，因為第一、第三行開頭的@與+符號同樣也可能出現在質素資訊中，可能會造成資訊提取的困難。

參見

• FASTA格式