FASTQ形式

FASTQ 形式は、生物学的配列 (通常はヌクレオチド配列) とそれに対応する品質スコアの両方を保存するためのテキストベースの形式です。配列文字と品質スコアは、簡潔にするためにそれぞれ 1 つのASCII文字でエンコードされます。

もともとはウェルカムトラストサンガー研究所でFASTA形式の配列とその品質データをバンドルするために開発されましたが、イルミナゲノムアナライザーなどの高スループットシーケンシング機器の出力を保存するための事実上の標準となっています。^[1]

FASTQ ファイルには、シーケンスごとに 4 つの行で区切られたフィールドがあります。

• フィールド 1 は '@' 文字で始まり、その後にシーケンス識別子とオプションの説明 ( FASTAタイトル行など) が続きます。
• フィールド 2 は生のシーケンス文字です。
• フィールド 3 は '+' 文字で始まり、オプションで同じシーケンス識別子 (および任意の説明) が続きます。
• フィールド 4 は、フィールド 2 のシーケンスの品質値をエンコードし、シーケンス内の文字と同じ数の記号を含める必要があります。

単一のシーケンスを含む FASTQ ファイルは次のようになります。

@SEQ_ID
ガットッッッッグッッッッッッッッッッッッッッッッッッッッッッッッッッッッッッッッッッッッッッッッッッッッッッッッッッッ
+
!''*((((***+))%%%++)(%%%%).1***-+*''))**55CCF>>>>>>CCCCCCC65

品質を表すバイトは、0x21 (最低品質、ASCII では '!') から 0x7e (最高品質、ASCII では '~') までです。品質値の文字は、左から右への品質の昇順 ( ASCII ) で次のようになります。

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

オリジナルの Sanger FASTQ ファイルでは、FASTAファイルで一般的に行われているように、長いシーケンスと品質文字列が複数の行に分割されています。これを考慮すると、マーカーとして「@」と「+」が選択されるため、解析がより複雑になります (これらの文字は品質文字列にも出現する可能性があるため)。現在、実行されるシーケンスの大半はショート リードの Illuminaシーケンスであり、一般的なシーケンス長は約 100bp であるため、複数行の FASTQ ファイル (およびその結果として複数行の FASTQ パーサー) はあまり一般的ではありません。

Illuminaソフトウェアからのシーケンスでは、体系的な識別子が使用されます。

@HWUSI-EAS100R : 6 : 73 : 941 : 1973 #0/1

Illumina パイプラインのバージョン 1.4 以降では、マルチプレックス ID に#0ではなく#NNNNNNが使用されるようです。ここで、 NNNNNNはマルチプレックス タグのシーケンスです。

Casava 1.8 では、「@」行の形式が変更されました。

@EAS139 : 136 : FC706VJ : 2 : 2104 : 15343 : 197393 1 : Y : 18 : ATCACG

最近のバージョンの Illumina ソフトウェアでは、サンプル シート内のサンプルに対してインデックス シーケンスが明示的に指定されていない場合、インデックス シーケンスの代わりにサンプル番号 (サンプル シート内のサンプルの順序によって定義) が出力されることに注意してください。たとえば、サンプル バッチの最初のサンプルに属する FASTQ ファイルに次のヘッダーが表示される場合があります。

@EAS139 : 136 : FC706VJ : 2 : 2104 : 15343 : 197393 1 : N : 18 : 1

INSDC シーケンスリードアーカイブのFASTQファイルには、多くの場合、次のような説明が含まれています。

@SRR001666.1 071112_SLXA-EAS1_s_7 : 5 : 1 : 817 : 345長さ=36
GGGTGATGGCCGCTGCCATGGCGTCAAATCCCACC です
+SRR001666.1 071112_SLXA-EAS1_s_7 : 5 : 1 : 817 : 345長さ=36
IIIIIIIIIIIIIIIIIIIIIIIIIIIIII9IG9IC

この例では、NCBI が割り当てた識別子があり、説明にはSolexa/Illuminaの元の識別子(上記参照) と読み取り長が含まれています。シーケンスはペアエンド モード (挿入サイズ ~500bp) で実行されました。SRR001666 を参照してください。fastq-dump のデフォルトの出力形式では、技術的な読み取りと、通常はシングル エンドまたはペアエンドの生物学的読み取りを含むスポット全体が生成されます。

$ fastq-dump.2.9.0  -Z  -X 2 SRR001666 SRR001666
の 2 スポットを読み取りました SRR001666の 2 スポットを書き込みました@SRR001666.1 071112_SLXA-EAS1_s_7:5:1:817:345 長さ=72 GGGTGATGGCCGCTGCCGATGGCGTCAAATCCCACCAAGTTACCCTTAACAACTTAAGGGGTTTTCAAATAGA +SRR001666.1 071112_SLXA-EAS1_s_7:5:1:817:345 長さ=72 IIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIII9IG9ICIIIIIIIIIIIIIIIIIIIIIIIIIIIDIIIIIII>IIIIII/ @SRR001666.2 071112_SLXA-EAS1_s_7:5:1:801:338 長さ=72 GTTCAGGGATACGACGTTTGTATTTTAAGAATCTGAAGCAGAAGTCGATGATAATACGCGTCGTTTTATCAT +SRR001666.2 071112_SLXA-EAS1_s_7:5:1:801:338 長さ=72 IIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIII6IBIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIGII>IIIIII-I)8I  

FASTQ の現代的な使用法では、ほとんどの場合、提出者が提供したメタデータに記述されているように、スポットを生物学的読み取りに分割します。

$ fastq-dump  -X 2 SRR001666 --split-3
 SRR001666 の 2 スポットを読み取り、SRR001666 の 2 スポットを書き込みました$ head SRR001666_1.fastq SRR001666_2.fastq
 ==> SRR001666_1.fastq <== @SRR001666.1 071112_SLXA-EAS1_s_7:5:1:817:345 length=36 GGGTGATGGCCGCTGCCGATGGCGTCAAATCCCACC +SRR001666.1 071112_SLXA-EAS1_s_7:5:1:817:345 length=36 IIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIII9IG9IC @SRR001666.2 071112_SLXA-EAS1_s_7:5:1:801:338 長さ=36 GTTCAGGGATACGACGTTTGTATTTTAAGAATCTGA +SRR001666.2 071112_SLXA- EAS1_s_7:5:1:801:338 長さ=36 IIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIII6IBI   

   









==> SRR001666_2.fastq <== 
@SRR001666.1 071112_SLXA-EAS1_s_7:5:1:817:345 length=36 
AAGTTACCCTTAACAACTTAAGGTTTTCAAATAGA 
+SRR001666.1 071112_SLXA-EAS1_s_7:5:1:817:345 長さ=36 
IIIIIIIIIIIIIIIIIIIIDIIIIIII>IIIIII/ 
@SRR001666.2 071112_SLXA-EAS1_s_7:5:1:801:338 長さ=36 
AGCAGAAGTCGATGATAATACGCGTCGTTTTATCAT 
+SRR001666.2 071112_SLXA-EAS1_s_7:5:1:801:338 長さ=36 
IIIIIIIIIIIIIIIIIIIIIIGII>IIIIII-I)8I

アーカイブに存在する場合、fastq-dump は読み取り名を元の形式に復元しようとします。NCBI はデフォルトでは元の読み取り名を保存しません。

$ fastq-dump  -X 2 SRR001666 --split-3 --origfmt
 SRR001666 の 2 スポットを読み取り、SRR001666 の 2 スポットを書き込みました$ head SRR001666_1.fastq SRR001666_2.fastq
 ==> SRR001666_1.fastq <== @071112_SLXA-EAS1_s_7:5:1:817:345 GGGTGATGGCCGCTGCCGATGGCGTCAAATCCCACC +071112_SLXA-EAS1_s_7:5:1:817:345 IIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIII9IG9IC @071112_SLXA-EAS1_s_7:5:1:801:338 GTTCAGGATACGACGTTTGTATTTTAAGAATCTGA +071112_SLXA-EAS1_s_7:5:1:801:338 IIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIII6IBI    

   









==> SRR001666_2.fastq <== 
@071112_SLXA-EAS1_s_7:5:1:817:345 
AAGTTACCCTTAACAACTTAAGGTTTTCAAATAGA 
+071112_SLXA-EAS1_s_7:5:1:817:345 
IIIIIIIIIIIIIIIIIIIIDIIIIIII>IIIIII/ 
@071112_SLXA-EAS1_s_7:5:1:801:338 
AGCAGAAGTCGATAATACGCGTCGTTTTATCAT 
+071112_SLXA-EAS1_s_7:5:1:801:338 
IIIIIIIIIIIIIIIIIIIIIIGII>IIIIII-I)8I

上記の例では、登録されたリード名ではなく、元のリード名が使用されています。NCBI は、ランとそれに含まれるリードを登録しています。シーケンサーによって割り当てられた元のリード名は、ローカルで一意のリード識別子として機能し、シリアル番号とまったく同じ量の情報を伝えることができます。上記の ID は、ラン情報と幾何学的座標に基づいてアルゴリズム的に割り当てられました。初期の SRA ローダーは、これらの ID を解析し、分解されたコンポーネントを内部に保存しました。NCBI は、ベンダーの元の形式からリード名が頻繁に変更され、特定の処理パイプラインに意味のある追加情報を関連付けるため、リード名を記録しなくなりました。これにより、名前の形式違反が発生し、多数の提出が拒否されました。リード名の明確なスキーマがない場合、その機能は一意のリード ID のままであり、リードのシリアル番号と同じ量の情報を伝えます。詳細と議論については、SRA ツールキットのさまざまな問題を参照してください。

また、fastq-dump は、この FASTQ データを元の Solexa/Illumina エンコーディングから Sanger 標準 (以下のエンコーディングを参照) に変換することにも注意してください。これは、SRA が NGS 情報のリポジトリとして機能し、フォーマットとして機能しないためです。さまざまな *-dump ツールは、同じソースから複数のフォーマットでデータを生成することができます。これを行うための要件は、数年にわたってユーザーによって決定されており、初期の要求の大部分は1000 Genomes Projectから来ています。

品質値Qはpの整数マッピングです(つまり、対応するベース コールが間違っている確率)。2 つの異なる式が使用されています。1 つ目は、ベース コールの信頼性を評価するための標準的なサンガー法で、Phred 品質スコアとも呼ばれます。

${\displaystyle Q_{\text{sanger}}=-10\,\log _{10}p}$

Solexa パイプライン (つまり、Illumina Genome Analyzer に付属するソフトウェア) では以前は異なるマッピングが使用されており、確率pの代わりにオッズ p /(1- p ) をエンコードしていました。

${\displaystyle Q_{\text{solexa-v.1.3 より前}}=-10\,\log _{10}{\frac {p}{1-p}}}$

両方のマッピングは、より高い品質値では漸近的に同一ですが、より低い品質レベル（つまり、およそp > 0.05、または同等のQ < 13）では異なります。

イルミナが実際にどのマッピングを使用するかについては、意見の相違が時々ありました。イルミナ パイプライン バージョン 1.4 のユーザー ガイド (付録 B、122 ページ) には、次のように記載されています。「スコアは⁠ ⁠${\displaystyle Q=10\cdot \log _{10}{\tfrac {p}{1-p}}}$ [ sic ] として定義されます。ここで、p は問題の塩基に対応するベース コールの確率です。」^[2]振り返ってみると、マニュアルのこのエントリは誤りだったようです。イルミナ パイプライン バージョン 1.5 のユーザー ガイド (新機能、5 ページ) には、代わりに次のような説明が記載されています。「パイプライン v1.3 [ sic ] での重要な変更。品質スコアリング スキームは Phred [つまり、Sanger] スコアリング スキームに変更されました。これは、Phred 値に 64 を追加して ASCII 文字としてエンコードされます。塩基の Phred スコアは です。ここで、eは塩基が間違っていると推定される確率です。^[3]${\displaystyle Q_{\text{phred}}=-10\log _{10}e}$

• サンガー形式は、ASCII 33～126を使用して、0～93のPhred品質スコアをエンコードできます（ただし、生の読み取りデータではPhred品質スコアが60を超えることはめったにありませんが、アセンブリや読み取りマップではより高いスコアになる可能性があります）。SAM形式にも使用されます。 ^[4] seqanswers.comフォーラムの発表によると、2011年2月末に、イルミナのパイプラインCASAVAの最新バージョン（1.8）は、サンガー形式で直接fastqを生成します。^[5]
• Element Biosciences AVITIリードは、サンガー規則に従ってエンコードされています。Phred品質スコア0～93は、ASCII 33～126を使用してエンコードされます。生のリードは通常、[0, 55]の範囲の基本品質スコアを示します。^[6]
• PacBio HiFiリードは通常SAM/BAM形式で保存され、サンガー規則を使用します。Phred品質スコア0～93はASCII 33～126を使用してエンコードされます。生のPacBioサブリードは同じ規則を使用しますが、通常はリード内のすべての塩基にプレースホルダー塩基品質（Q0）を割り当てます。^[7]
• ドラドベースコーラーを使用して呼び出されたオックスフォードナノポアデュプレックスリードは、通常SAM / BAM形式で保存されます。16ビットの内部品質表現に変更した後、報告された塩基品質限界はq50（S）です。^[8]
• Solexa/Illumina 1.0 フォーマットは、 ASCII 59 ～ 126を使用して -5 ～ 62 の Solexa/Illumina 品質スコアをエンコードできます(ただし、生の読み取りデータでは -5 ～ 40 の Solexa スコアのみが期待されます)
• Illumina 1.3 以降、Illumina 1.8 より前では、この形式ではASCII 64 ～ 126を使用して 0 ～ 62 のPhred 品質スコアがエンコードされていました(ただし、生の読み取りデータでは 0 ～ 40 の Phred スコアのみが期待されます)。
• Illumina 1.5 以降、および Illumina 1.8 より前では、Phred スコア 0 から 2 の意味が若干異なります。値 0 と 1 は使用されなくなり、ASCII 66 "B" でエンコードされた値 2 は、読み取りセグメント品質管理インジケーターとして読み取りの最後にも使用されます。^[9] Illumina マニュアル^[10] (30 ページ) には、次のように記載されています。読み取りがほとんど低品質 (Q15 以下) のセグメントで終了する場合、セグメント内のすべての品質値は値 2 (Illumina の品質スコアのテキストベースのエンコードでは文字 B としてエンコード) に置き換えられます... この Q2 インジケーターは、特定のエラー率を予測するものではなく、読み取りの特定の最終部分をそれ以上の分析に使用すべきではないことを示します。また、次の例に示すように、少なくともパイプライン バージョン 1.6 以降では、読み取り内部で "B" 文字としてエンコードされた品質スコアが発生する可能性があります。

@HWI-EAS209_0006_FC706VJ:5:58:5894:21141#ATCACG/1
TTAATTGGTAAATAAATCTCCTAATAGCTTAGATNTTACCTTNNNNNNNNNNTAGTTTCTTGAGATTTGTTGGGGGAGACATTTTTGTGATTGCCTTGAT
+HWI-EAS209_0006_FC706VJ:5:58:5894:21141#ATCACG/1
efcfffffcfeefffcffffffddf`feed]`]_Ba_^__[YBBBBBBBBBRTT\]][]dddd`ddd^ddadd^BBBBBBBBBBBBBBBBBBBBBBBB

このASCIIエンコードの別の解釈が提案されている。^[11]また、PhiXコントロールを使用したIlluminaの実行では、文字「B」が「不明な品質スコア」を表すことが観察された。「B」読み取りのエラー率は、特定の実行の平均観測スコアより約3phredスコア低かった。

• Illumina 1.8 以降、品質スコアは基本的に Sanger 形式 (Phred+33) の使用に戻りました。

生の読み取りの場合、スコアの範囲は使用されるテクノロジーとベースコーラーによって異なりますが、最近の Illumina 化学では通常最大 41 になります。これまで観測された最大の品質スコアは 40 のみであったため、さまざまなスクリプトやツールは、品質値が 40 を超えるデータを検出すると動作しなくなります。処理済みの読み取りの場合、スコアはさらに高くなる場合があります。たとえば、Illumina の Long Read Sequencing Service (旧 Moleculo) からの読み取りでは、品質値 45 が観測されます。

  SSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSS ​....
  .......................... XXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXX ......................
  ………………………………………………………………​ ​....
  ................................. J JJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJJ ​……
   LLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLLL …………………… ……
  んんんんんんんんんんんんんんんんんんんんんんんんんんんんんんんんんんんんんんんんんんんんんんんんんんんんんんんんんんんんんんんんんんんんんんんん…… ...
  ええええええええええええええええええええええええええええええええええええええええええええええええええええええええええええええええええええええええええええええええ​​EEEEEE EEEEEE EEEEEE EEEEEE EEEEEE EEEEEE EE 
  PPPPPP PPPPPP PPPPPP PPPPPP PPPPPP PPPPPP PPPPPP PPPPPP PPPPPP PPPPPP PPPPPP PPPPPP PPPPPP PPPPPP PPPPPP PPPP
  !"#$%&'()*+,-./0123456789:;<=>?@ABCDEFGHIJKLMNOPQRSTUVWXYZ[\]^_`abcdefghijklmnopqrstuvwxyz{|}~
  | | | | | | |
 33 59 64 73 88 104 126
  0....................26....31....40                                 
                           -5....0.... ...9................................40 
                                 0....9.... ................................................40 
                                    3....9................................ .......41 
  0.2..................26...31....41                               
  0 ................................20....30....40....500 
  ... ...................20....30....40....50...55 
  0....20....30....40....50... ................................................93

 S - Sanger Phred+33、生の読み取り値は通常 (0, 40) 
 X - Solexa Solexa+64、生の読み取り値は通常 (-5, 40) 
 I - Illumina 1.3+ Phred+64、生の読み取り値は通常 (0, 40) 
 J - Illumina 1.5+ Phred+64、生の読み取り値は通常 (3, 41)
     0=未使用、1=未使用、2=読み取りセグメント品質管理インジケーター（太字）
     (注: 上記の説明を参照してください)。L 
 - Illumina 1.8+ Phred+33、通常生の読み取り (0、41) 
 N - Nanopore Phred+33、通常デュプレックス読み取り (0、50) 
 E - ElemBio AVITI Phred+33、通常生の読み取り (0、55) 
 P - PacBio Phred+33、通常 HiFi 読み取り (0、93)

SOLiDデータの場合、フォーマットはカラースペースFASTQシーケンス（CSFASTQ）に変更され、シーケンス内の塩基は0、1、2、3の数字と組み合わされ、シーケンス内の前の塩基と比較して塩基がどのように変更されたかを示します（0：変更なし、1：遷移、2：非相補的転座、3：相補的転座）。^[1]このフォーマットは、SOLiDシーケンサーで使用されるさまざまなシーケンシングケミストリーと一致していました。初期の表現では、シーケンスの開始時にヌクレオチド塩基のみが使用されていましたが、後のバージョンでは、ベースコーリングとマッピングの精度を向上させるために、定期的な間隔で埋め込まれた塩基が含まれるようになりました。

CSFASTQ の品質値は、Sanger 形式の品質値と同じです。アライメント ツールは、品質値の推奨バージョンが異なります。一部のツールには、先頭のヌクレオチドの品質スコア (0、つまり「!」に設定) が含まれますが、その他のツールには含まれません。シーケンス読み取りアーカイブには、この品質スコアが含まれます。

FAST4 形式は、4 つの塩基 (A、C、G、T) それぞれに個別の確率が保存される FASTQ 形式の派生として考案されました。これは、次世代シーケンス データ (画像からベースコールまで) のプライマリ データ分析用のオープン ソース パッケージである Swift Basecaller の一部でした。

FAST5形式はFAST4形式の拡張として考案されました。FAST5ファイルは、オックスフォードナノポアテクノロジーズ（ONT）によって定義された特定のスキーマを持つ階層データ形式5 （HDF5）ファイルです。^[12]

FASTQリードシミュレーションにはいくつかのツールが採用されている。^{[13] [14]} これらのツールの比較はここで見ることができる。^[15]

Gzip や bzip2 などの汎用ツールは FASTQ をプレーンテキスト ファイルと見なすため、圧縮率は最適とは言えません。NCBI のSequence Read Archive はLZ-77 方式を使用してメタデータをエンコードします。一般的な FASTQ 圧縮ツールは、通常、FASTQ ファイル内の個別のフィールド (読み取り名、シーケンス、コメント、品質スコア) を個別に圧縮します。これには、DSRC と DSRC2、FQC、LFQC、Fqzcomp、Slimfastq が含まれます。

参照ゲノムがあると便利です。ヌクレオチド配列自体を保存する代わりに、参照ゲノムに読み取りをアラインメントして位置 (ポインタ) とミスマッチを保存すればよいからです。ポインタは参照配列内の順序に従ってソートし、ランレングス エンコーディングなどでエンコードできます。配列されたゲノムのカバレッジまたは繰り返しコンテンツが高い場合、圧縮率が高くなります。SAM /BAM 形式とは異なり、FASTQ ファイルでは参照ゲノムを指定しません。アラインメント ベースの FASTQ コンプレッサーは、ユーザー提供の参照またはde novoアセンブルされた参照のいずれかの使用をサポートしています。LW-FQZip は提供された参照ゲノムを使用し、Quip、Leon、k-Path、および KIC はde Bruijn グラフベースのアプローチを使用してde novoアセンブリを実行します。

明示的なリードマッピングとde novoアセンブリは通常、低速です。並べ替えベースの FASTQ 圧縮器は、最初に長い部分文字列を共有するリードをクラスター化し、次に各クラスター内のリードを並べ替えるか、より長いコンティグにアセンブルした後で個別に圧縮し、実行時間と圧縮率の間でおそらく最良のトレードオフを実現します。SCALCE はそのようなツールの最初のもので、Orcom と Mince がそれに続きます。BEETL は、読み取りの並べ替えに一般化されたBurrows–Wheeler 変換を使用し、HARC はハッシュベースの並べ替えでより優れたパフォーマンスを実現します。AssemblTrie は、代わりに、参照内のシンボルの総数を可能な限り少なくして、読み取りを参照ツリーにアセンブルします。^{[16] [17]}

これらのツールのベンチマークは、で入手可能です。^[18]

品質値は、FASTQ 形式 (圧縮前) で必要なディスク スペースの約半分を占めるため、品質値を圧縮すると、ストレージ要件が大幅に削減され、シーケンス データの分析と転送が高速化されます。最近、文献ではロスレス圧縮とロッシー圧縮の両方が検討されています。たとえば、アルゴリズム QualComp ^[19]は、ユーザーが指定したレート (品質値あたりのビット数) でロッシー圧縮を実行します。レート歪み理論の結果に基づいて、元の (圧縮されていない) 品質値と再構築された (圧縮後) 品質値の間の MSE (平均二乗誤差) が最小になるようにビット数を割り当てます。品質値の圧縮のためのその他のアルゴリズムには、SCALCE ^[20]と Fastqz ^[21]があります。どちらもロスレス圧縮アルゴリズムであり、オプションで制御されたロッシー変換アプローチを提供します。たとえば、SCALCE は、「隣接する」品質値が一般的に類似しているという観察に基づいてアルファベットのサイズを縮小します。ベンチマークについては、^{[22]を参照してください。}

HiSeq 2500では、イルミナは粗粒度の品質ビンに品質を出力するオプションを提供しています。ビン化されたスコアは、シーケンス実験中に使用されたハードウェア、ソフトウェア、および化学物質に関連付けられた経験的品質スコアテーブルから直接計算されます。^[23]

FASTQ ファイルには 標準のファイル拡張子はありませんが、.fq と .fastq が一般的に使用されます。

• Biopythonバージョン 1.51 以降 (Sanger、Solexa、Illumina 1.3+ と相互変換)
• EMBOSSバージョン 6.1.0 パッチ 1 以降 (Sanger、Solexa、Illumina 1.3+ と相互変換)
• BioPerlバージョン 1.6.1 以降 (Sanger、Solexa、Illumina 1.3+ と相互変換)
• BioRubyバージョン 1.4.0 以降 (Sanger、Solexa、Illumina 1.3+ と相互変換)
• BioJavaバージョン 1.7.1 以降 (Sanger、Solexa、Illumina 1.3+ と相互変換)

• ゲノム配列を表すために使用されるFASTA形式。
• SAMおよびCRAM形式は、ゲノム配列に整列されたゲノムシーケンサーの読み取りを表すために使用されます。
• GVF 形式 (Genome Variation Format) は、 GFF3形式に基づく拡張です。

• FASTQ の変種について議論している MAQ のウェブページ