⑴ cleandata比rawdata小太多
原因如下穗旅拿：
一般來說，測序儀下機的數據稱為raw data，經過以下兩步處理之後變成了clean data才能用於數據分析：
(1) 去除含有接頭的Reads；
(2) 去除低質量的Reads（包括去除N的比例大於10%的Reads；去除質量值Q≤10的鹼基數占整條Read的50%以上的Reads）不過raw data和clean data並沒有一個權威的定義，不同的文章和公司可能會提供不一樣的解釋，不變的是：clean data是raw data經過處理得到的直接用來分析鎮叢的數據。
如果需要看懂公司提供的轉錄組分析結果，建議觀看教程：轉錄組分析結果的解讀（適合有參）或者轉錄組分析結果的解讀（適合無參），如果想自己在公司提供標准分析的基礎上做些個性化分析，可以觀看：轉錄組標准分析後的數據猜搭挖掘，以及轉錄組高級分析WGCNA：WGCNA-加權基因共表達網路分析。
⑵ 轉錄組測序時,raw data指是測序儀上下來的數據,那Clean data指的是什麼呢
一般來說,raw data經轎鎮過以下處理之後叫clean data
1,去掉低質量的閉漏粗reads
2,去掉包含接頭(adaptor)的搜鄭reads
3,去掉包含N過多的reads
⑶ rawdata是什麼意思
rawdata原始資料；未經分析的數據；素材；raw：adj.生的；未烹制的；未煮的；消運未經加工的；data：n.數據；資料頃吵；材料
.
白山大壩安全監測原始數據記錄及處理系統。
.
合成孔徑雷達原始數據和成象數據壓縮的.研究。
A3-.
基於單螺旋CT原始數據的三維圖像重雀橋侍建的插補演算法。
⑷ raw data/PF data/Q30 data/clean data的不同（轉載）
測序數據拿回來之後，會給一些數據。那麼這些數據代表什麼呢？
1. 原始數據（Raw data）： 一次測序產生的全部原始數據。理論上，它們應該是沒有經過任何過濾的，無論好壞。
2. PF數據（PF data）： 在測序過程中，Illumina內置軟體根據每個測序片段（read，通常每個片段長100個鹼基）前25個鹼基的質量決定該read是保留還是拋棄。如果沒有達到質控標准，則該read的全部鹼基都被拋棄槐配；達到標准、保留下來的數據叫做PF data。 PF代表pass filtering。
3. Q30數據（Q30 data）： Illumina內置軟體根據統一設定的標准來評判鹼基識別結果的可靠性，為每個鹼基給予一個質量評分（QV）。PF data里質量評分>=30分的數據稱為Q30 data。 Q30的意思是該鹼基的可靠性為99.9%。Q30數據通常佔PF數據的80%左右。視樣本質量、操作前孝水平、試劑質量、儀器狀態的不同，這一比例有很大波動。
4. 干凈數據（Clean data。數據還有不幹凈的？）： 某些實驗室根據其自身的判斷標准，在PF data的基礎上，進一步刪除質量不好的reads後得到的數據。常見的刪除動作有：去接頭、去N含量高的reads、去質量評分低的reads、去掉每個read的最後幾個鹼基，等等。
Clean data是國內叫法；PF data是來自Illumina的概念，是廣為接受的國際通行標准。
PF演算法實質上是選取每個測序片段（read）前25個鹼基的質量來代表整條片段的質量，從而決定該片段的去留。Illumina之所以這樣做，而不是逐個檢查整條片段所有鹼基的質量，一方面是為了節省電腦資源，不致於花費太多時間進行運算，拖累測序進程，另一方面也是在大量測序數據的統計結果基礎上選擇的平衡點，只要前25個鹼基是正常的，後75個鹼基出問題的概率比較小。
一次測序實驗完成，測序儀上展示的數據量和%Q30都是以PF數據為基礎的。只要對數據質量有足夠信心，就不會對PF數據再進行加工，可以直接把PF數據交給客戶，進行下游的生物信息學分析。
三、為什麼要clean data?
如果二代測序實驗成功，則PF data已經是質量比較好的數據，沒有必要進一步加工。從基本原理來講，任何形式的加工過濾，毫無例外都會引入額外的偏差(bias)，嚴重的時候會導致生物信息學分析結論失真。
把PF數據加工成「干凈數據」，原因有多種，其中常見的原因之一是使用山寨的試劑（非Illumina原廠正版試劑）構建文庫，測序質量不盡如人意，Q30比例不高。在採用同種技術、同種平台的情況下，鉛悔指文庫構建的質量是決定測序質量的關鍵。只要去掉質量差的數據，就可以提高Q30比例，可是這樣做法目的性太強，難免讓人心裡打鼓。
讓我們來具體分析為了獲得clean data所做的4種常見動作是否有必要，及其潛在副作用。
1、去接頭。
使用正版試劑、按標准流程進行操作，接頭序列是不會被測出來的，這是因為測序引物的結合位點位於接頭的3'端，測序測到的第一個鹼基就是插入片段的未知鹼基，因此不需要去接頭。
在以下兩種特殊情況下，需要去接頭（adaptor），或者去標簽（barcode）：
一是自己合成寡核苷酸、自配文庫構建試劑，這類設計通常把barcode安排在接頭的3'端後面，而測序引物的結合位點仍然在接頭的3'端，導致測序一開始測到的就是barcode序列，標簽測完了之後才是插入片段的未知序列。在這種情況下，完成demultiplexing之後，標簽序列完成了使命，就要把標簽序列刪除。
二是文庫的插入片段太短，測序片段長度（通常是100鹼基）大於插入片段長度，導致插入片段被測通，一直測到下游接頭的部分或者全部序列。在這種情況下，要刪除下游的接頭序列。
插入片段太短，除了改變打斷條件，增加插入片段長度以外，有些種類的樣本比如small RNA本身就很短。小RNA的長度只有20幾個鹼基，測序試劑的包裝是50鹼基和100鹼基兩種，都長於小RNA；另外，如果小RNA樣本數量少，湊不滿一張FC，就要與其他樣本一起測序，為了將就同一張FC上的其他樣本，往往就對小RNA進行2x100鹼基的測序。在這種情況下，去接頭是必要的。
去接頭和去標簽，對測序數據本身不造成影響。
2、去含N多的測序片段。
一個測序片段里如果有很多鹼基無法識別（用N表示），提示測序質量不高，或者測序過程中遭遇到問題，需要嚴肅對待，通過故障排除找到根本原因，針對性地採取必要措施進行改正。刪除這些片段，只是使數據看起來比較漂亮，治標不治本。
3、去質量評分低的片段。
PF演算法本身去除的就是質量評分低的片段。如果要在PF之後再來一次「PF」，那就提示測序質量沒有達到正常水準，實乃不得已而為之。
4、去末端一定數目的鹼基。
隨著測序讀長的增加，酶活性下降，熒光強度也在下降，因此測序數據質量逐漸降低乃是自然趨勢，片段末端的鹼基質量低於片段前端的。
即使存在這樣的問題，只要樣本質量、試劑質量、操作技能和儀器性能等有保障，在廠家承諾的片段長度范圍內，%Q30是完全能夠達到指標的，並不需要人為去掉末端鹼基。
原文： raw data/PF data/Q30 data/clean data的不同
⑸ 轉錄組分析實戰第一節：Rawdata的質量控制與清理
#######整合完成後我森毀們就可以看看這個結果了，打開multiqc_report.html這個文件可以看到結果
#######下面我們對於這些結果進行解讀。
從以上結果我們可以看到，Reads長弊磨度是150bp，並且rawdata中一個Run含有25M條序列。對於雙端測序來講，這個測序結果的數據量為： 150bp × 25 M × 2 ends = 7.5 G
當然這個rawdata的結果，測序數據量是一個重要的測序質量指標此卜備
如果鹼基差異>10%會顯示warn
如果鹼基差異>20%會顯示fail
⑹ qpcr原始數據raw date應該怎麼用
原始數據毀液（Raw data）：一次測序產生的全部原始數據。理論上，它們應該是沒有經過任何過濾賀余埋的，無論好壞。RawData 指未加工過的數據,即原原本本從磁碟上讀入而未經過任何改動的數據。這個是自身就有的不需要你去處理它的。
實時熒光定量PCR （Quantitative Real-time PCR）是一種在DNA擴增反應中，以熒光化學物質測每次聚合酶鏈式反應（PCR）循環後產物總量的方法。通過內參或者外參法對待測樣品中的特定DNA序列進行定量分析的方法。·
Real-timePCR是在PCR擴增過程中，通過熒光信號，對PCR進程進行實時檢測。由於禪螞在PCR擴增的指數時期，模板的Ct值和該模板的起始拷貝數存在線性關系，所以成為定量的依據。
⑺ ncbi提交16s高通量raw data 這步老是報錯，請問怎麼解決。
向GenBank提交數據 提交序列有兩種方式，一個是在線的頁面提交序列bankit，另一個是通過NCBI的Sequin軟體提交序列。 從使用方便性上來說，兩者均需要填寫所必須的各項資料，也都是很麻煩，但後者也以同時提交多項序列，而且不會因為網路錯誤而導致已填寫的數據丟失，還是更有利一些。 使用起來都是比較簡單的，按照頁面或者軟體的說明一步一步填寫即可。 提交序列後，系統會暫時給你分配一個臨時的序列號，等到你的序列經過初步審核後會得到正式的Genbank序列號或登錄號。你可以對你的序列隨時進行修改和補充其坦擾他相關資料。 · 關於提交序列數據，收到 accession number，和對紀錄作更新的一般信息。 · BankIt - 用於一條或者少數條提交的基於WWW的提交工具軟體。（請在提交前用 VecScreen 去除載體） · Sequin - 提交軟體程序，用於一條或者很多條的提交，長序列，完整基因組，alignments，人群/種系/突變研究的提交。可以獨立使用，或者用基於TCP/IP的"network aware"模式，可以鏈接到其他NCBI的資源和軟體比如Entrez和PowerBLAST。（請在提交前用VecScreen去除載體） · ESTs - 表達序列標簽，短的、單次（測序）閱讀的cDNA序列。也包括來自於差異顯示和 RACE 實驗的 cDNA 序列。 · GSSs - 基因組調查扒信纖序列，短的、單次（測序）閱讀的cDNA序列，exon trap 獲得的序列，cosmid/BAC/YAC 末端，及其他。 · HTGs - 來自於大規模測春仿序中心的高通量基因組序列，未完成的（階段0，1，2）和完成的（階段3）序列。（注意：完成的人類的HTG序列可以同時在 GenBank 和 Human Genome Sequencing頁面上訪問。） · STSs - 序列標簽位點。短的在基因組上可以被唯一操作的序列，用於產生作圖位點。 註：SNPs - 人類的和其他物種的遺傳變異數據可以提交到NCBI資料庫的單核苷酸多態性庫中（dbSNP）
⑻ rawdata 能直接進行生物信息分析嗎
rawdata 能直接進行生物信息分析
生物信息學在短短十幾年間，已經形成了多個研究方向，以下簡要介紹一些主要的研究重點。
序列比對
序列比對（Sequence Alignment）的基本問題是比較兩個或兩個以上符號序列的相似性或不相似性。從生物學的初衷來看，這一問題包含了以下幾個意義：從相互重疊的序列片斷中重孫絕構DNA的完整序列。在各種試驗條件下從探測數據（probe data）中決定物理和基因圖存貯，遍歷和比較資料庫中的DNA序列，比較兩個或多個序列的相似性，在資料庫中搜索相關序列和子序列，尋找核苷酸（nucleotides）的連續產生模式，找出蛋白質和DNA序列中的信息成分。序列比對考慮了DNA序列的生物學特性，如序列局部發生的插入，刪除（前兩種簡稱為indel）和替代，序列的目標函數獲得序列之間突變集最小距離加權和或最大相似性和，對齊的方法包括全局對齊，局部對齊，代溝懲罰等。兩個序列比對常採用動態規劃演算法，這種演算法在序列長度較小時適用，然而對於海量基因序列（如人的DNA序列高達10^9bp），這一方法就不太適用，甚至採用演算法復雜性為線性的也難攜寬以奏效。因此，啟發式方法的則隱姿引入勢在必然，著名的BLAST和FASTA演算法及相應的改進方法均是從此前提出發的。
蛋白質比對
基本問題是比較兩個或兩個以上蛋白質分子空間結構的相似性或不相似性。蛋白質的結構與功能是密切相關的，一般認為，具有相似功能的蛋白質結構一般相似。蛋白質是由氨基酸組成的長鏈，長度從50到1000~3000AA（Amino Acids），蛋白質具有多種功能，如酶，物質的存貯和運輸，信號傳遞，抗體等等。氨基酸的序列內在的決定了蛋白質的3維結構。一般認為，蛋白質有四級不同的結構。研究蛋白質結構和預測的理由是：醫葯上可以理解生物的功能，尋找dockingdrugs的目標，農業上獲得更好的農作物的基因工程，工業上有利用酶的合成。直接對蛋白質結構進行比對的原因是由於蛋白質的3維結構比其一級結構在進化中更穩定的保留，同時也包含了較AA序列更多的信息。蛋白質3維結構研究的前提假設是內在的氨基酸序列與3維結構一一對應（不一定全真），物理上可用最小能量來解釋。從觀察和總結已知結構的蛋白質結構規律出發來預測未知蛋白質的結構。同源建模（homology modeling）和指認（Threading）方法屬於這一范疇。同源建模用於尋找具有高度相似性的蛋白質結構（超過30%氨基酸相同），後者則用於比較進化族中不同的蛋白質結構。然而，蛋白結構預測研究現狀還遠遠不能滿足實際需要。
⑼ 高通量測序中的raw data是什麼意思
就是剛測序完成的原始數據，沒有經過處理的