usage: fastp -i <in1> -o <out1> [-I <in1> -O <out2>] [options...]

options:

  ## I/O options  即输入输出文件设置

  -i, --in1                          read1 input file name (string)  #输入read1文件

  -o, --out1                        read1 output file name (string [=]) #输出read1文件

  -I, --in2                          read2 input file name (string [=]) #输入read2文件

  -O, --out2                        read2 output file name (string [=]) #输出read2文件

  -6, --phred64                      indicates the input is using phred64 scoring (it'll be converted to phred33, so the output will still be phred33) #Phred+64 质量字符的ASCII值 - 64，Phred+64所使用的字符的ASCII值都大于等于59，字符的ASCII值都小于59使用phred33

  -z, --compression                  compression level for gzip output (1 ~ 9). 1 is fastest, 9 is smallest, default is 2. (int [=2]) #输出的压缩级别（1-9），1是最快的，9是最小的，默认设置是2

    --reads_to_process              specify how many reads/pairs to be processed. Default 0 means process all reads. (int [=0]) #指定要处理多少的reads/pairs，默认是0，指的是处理全部读数

  ## adapter trimming options  过滤序列接头参数设置

  -A, --disable_adapter_trimming    adapter trimming is enabled by default. If this option is specified, adapter trimming is disabled #一般默认是自动对原始数据去掉接头的，如果选择该选项则代表不去除接头

  -a, --adapter_sequence              the adapter for read1. For SE data, if not specified, the adapter will be auto-detected. For PE data, this is used if R1/R2 are found not overlapped. (string [=auto])

#对于单端测序数据来说，这个选项是直接针对read1数据进行接头处理，如果是双端测序数据，则是针对那些R1/R2没有重叠的reads的

      --adapter_sequence_r2            the adapter for read2 (PE data only). This is used if R1/R2 are found not overlapped. If not specified, it will be the same as <adapter_sequence> (string [=])

#对于单端测序数据来说，这个选项是直接针对read2数据进行接头处理，如果是双端测序数据，则是针对那些R1/R2没有重叠的reads的

  ## global trimming options  剪除序列起始和末端的低质量碱基数量参数

  -f, --trim_front1                  trimming how many bases in front for read1, default is 0 (int [=0]) #设置处理read1起始低质量碱基数量，默认是0

  -t, --trim_tail1                  trimming how many bases in tail for read1, default is 0 (int [=0]) #设置处理read1末端低质量碱基，默认是0

  -F, --trim_front2                  trimming how many bases in front for read2. If it's not specified, it will follow read1's settings (int [=0]) #设置处理read2起始低质量碱基数量，默认是0，如果没有设置，将会按照read1的设置来

  -T, --trim_tail2                  trimming how many bases in tail for read2. If it's not specified, it will follow read1's settings (int [=0]) #设置处理read2末端低质量碱基，默认是0，如果没有设置，将会按照read1的设置来

 ## polyG tail trimming, useful for NextSeq/NovaSeq data  polyG剪裁

  -g, --trim_poly_g                  force polyG tail trimming, by default trimming is automatically enabled for Illumina NextSeq/NovaSeq data #默认会对Illumina NextSeq/NovaSeq数据尾部进行PolyG进行处理

      --poly_g_min_len                the minimum length to detect polyG in the read tail. 10 by default. (int [=10]) #对尾部PolyG进行处理的最小长度，默认是10

  -G, --disable_trim_poly_g          disable polyG tail trimming, by default trimming is automatically enabled for Illumina NextSeq/NovaSeq data #该选项的使用是不对尾部的PolyG进行处理

  # polyX tail trimming

  -x, --trim_poly_x                    enable polyX trimming in 3' ends. #截取3'末端polyX

      --poly_x_min_len                the minimum length to detect polyX in the read tail. 10 by default. (int [=10]) #检测read末尾的polyX的长度，默认10；

  # per read cutting by quality options  滑窗裁剪

  -5, --cut_by_quality5              enable per read cutting by quality in front (5'), default is disabled (WARNING: this will interfere deduplication for both PE/SE data) #从read的5'端至末尾移动窗口，去除窗口中平均质量值小于'<'阈值的碱基

  -3, --cut_by_quality3              enable per read cutting by quality in tail (3'), default is disabled (WARNING: this will interfere deduplication for SE data) #从read的3'端值至开头移动窗口，去除窗口中平均质量值小于'<'阈值的碱基；

  -W, --cut_window_size              the size of the sliding window for sliding window trimming, default is 4 (int [=4])  #滑动窗口过滤，这个类似于计算kmer，1~1000, 默认是4个碱基作为窗口大小；

  -M, --cut_mean_quality            the bases in the sliding window with mean quality below cutting_quality will be cut, default is Q20 (int [=20])  #选择的窗口中，碱基平均质量值，范围1~36，默认是Q20，如果这个区域窗口平均低于20，则认为是一个低质量区域，处理掉；

-r, --cut_right     #从read的开头到末尾移动窗口，如果某一窗口的平均质量值小于阈值，去除窗口中的碱基及其右侧部分，并停止；

  # quality filtering options  根据碱基质量来过滤序列

  -Q, --disable_quality_filtering    quality filtering is enabled by default. If this option is specified, quality filtering is disabled #控制是否去除低质量，默认自动去除，设置-Q关闭；

  -q, --qualified_quality_phred      the quality value that a base is qualified. Default 15 means phred quality >=Q15 is qualified. (int [=15])  #设置低质量的标准，默认是15，也就是质量值小于15认为是低质量碱基，一般我们设置20，常说的Q20；

  -u, --unqualified_percent_limit    how many percents of bases are allowed to be unqualified (0~100). Default 40 means 40% (int [=40]) #低质量碱基所占百分比，并不是包含低质量碱基就把一条reads丢掉，而是设置一定的比例，默认40代表40%，也就是150bpreads，包含60个以上低质量的碱基就丢掉，只要有一条reads不满足条件就成对丢掉；

  -n, --n_base_limit                if one read's number of N base is >n_base_limit, then this read/pair is discarded. Default is 5 (int [=5])  #过滤N碱基过多的reads，如果N碱基含量大于n，这条read/pair将被舍弃，默认5；

  # length filtering options  根据序列长度来过滤序列

  -L, --disable_length_filtering    length filtering is enabled by default. If this option is specified, length filtering is disabled #关闭reads长度过滤选项；

  -l, --length_required              reads shorter than length_required will be discarded, default is 15. (int [=15]) #接一个长度值，小于这个长度reads被丢掉，默认是15，这个在处理非illumina测序数据时很有用。

  # low complexity filtering  低复杂度过滤

  -y, --low_complexity_filter          enable low complexity filter. The complexity is defined as the percentage of base that is different from its next base (base[i] != base[i+1]). #使用低复杂度过滤，这里低复杂度的定义是与其下一个碱基不同的碱基比例(base[i] != base[i+1]).

  -Y, --complexity_threshold          the threshold for low complexity filter (0~100). Default is 30, which means 30% complexity is required. (int [=30]) #低复杂度的阈值(0~100)，默认30；

  # filter reads with unwanted indexes (to remove possible contamination) 根据indexes过滤reads--删除可能的污染

      --filter_by_index1              specify a file contains a list of barcodes of index1 to be filtered out, one barcode per line (string [=])

      --filter_by_index2              specify a file contains a list of barcodes of index2 to be filtered out, one barcode per line (string [=])

      --filter_by_index_threshold      the allowed difference of index barcode for index filtering, default 0 means completely identical. (int [=0])

  # base correction by overlap analysis options  通过overlap来校正碱基

  -c, --correction                  enable base correction in overlapped regions (only for PE data), default is disabled #是对overlap的区域进行纠错，所以只适用于pairend reads。

  # UMI processing 分子标签处理

  -U, --umi                          enable unique molecular identifer (UMI) preprocessing

      --umi_loc                      specify the location of UMI, can be (index1/index2/read1/read2/per_index/per_read, default is none (string [=])

      --umi_len                      if the UMI is in read1/read2, its length should be provided (int [=0])

      --umi_prefix                  if specified, an underline will be used to connect prefix and UMI (i.e. prefix=UMI, UMI=AATTCG, final=UMI_AATTCG). No prefix by default (string [=])

      --umi_skip                      if the UMI is in read1/read2, fastp can skip several bases following UMI, default is 0 (int [=0])

  # overrepresented sequence analysis

  -p, --overrepresentation_analysis    enable overrepresented sequence analysis.

  -P, --overrepresentation_sampling    One in (--overrepresentation_sampling) reads will be computed for overrepresentation analysis (1~10000), smaller is slower, default is 20. (int [=20])

  # reporting options

  -j, --json                        the json format report file name (string [=fastp.json]) #输出json格式报告文件名(string [=fastp.json])

  -h, --html                        the html format report file name (string [=fastp.html]) #输出html 格式报告文件名

  -R, --report_title                should be quoted with ' or ", default is "fastp report" (string [=fastp report])

  # threading options  设置线程数

  -w, --thread                      worker thread number, default is 3 (int [=3]) #使用线程数，默认是3(int [=3])

  # output splitting options 控制split选项，有时候单条reads文件太大，可以分割为多份分别比对，在合并bam结果，这样可以提高效率。

  -s, --split                        split output by limiting total split file number with this option (2~999), a sequential number prefix will be added to output name ( 0001.out.fq, 0002.out.fq...), disabled by default (int [=0]) #切割数目(2~999)，默认是0，不分割

  -S, --split_by_lines              split output by limiting lines of each file with this option(>=1000), a sequential number prefix will be added to output name ( 0001.out.fq, 0002.out.fq...), disabled by default (long [=0])

  -d, --split_prefix_digits          the digits for the sequential number padding (1~10), default is 4, so the filename will be padded as 0001.xxx, 0 to disable padding (int [=4]) #输出前缀位数，默认是4，0001,0002这种命名，如果设置为3，就是001,002这种

  # help

  -?, --help                        print this message

fastp参数日常使用 

1、接头处理

fastp默认启用了接头处理，但是可以使用-A命令来关掉。fastp可以自动化地查找接头序列并进行剪裁，也就是说你可以不输入任何的接头序列，fastp全自动搞定了！对于SE数据，你还是可以-a参数来输入你的接头，而对于PE数据则完全没有必要，fastp基于PE数据的overlap分析可以更准确地查找接头，去得更干净，而且对于一些接头本身就有碱基不匹配情况处理得更好。fastp对于接头去除会有一个汇总的报告。

2、全局裁剪

fastp可以对所有read在头部和尾部进行统一剪裁，该功能在去除一些测序质量不好的cycle比较有用，比如151*2的PE测序中，最后一个cycle通常质量是非常低的，需要剪裁掉。使用-f和-t分别指定read1的头部和尾部的剪裁，使用-F和-T分别指定read2的头部和尾部的剪裁。

3、滑窗质量剪裁

很多时候，一个read的低质量序列都是集中在read的末端，也有少部分是在read的开头。fastp支持像Trimmomatic那样对滑动窗口中的碱基计算平均质量值，然后将不符合的滑窗直接剪裁掉。使用-5参数开启在5’端，也就是read的开头的剪裁，使用-3参数开启在3’端，也就是read的末尾的剪裁。使用-W参数指定滑动窗大小，默认是4，使用-M参数指定要求的平均质量值，默认是20，也就是Q20。

4、过滤过短序列

默认开启多序列过滤，默认值为15，使用-L（--disable_length_filtering）禁止此默认选项。或使用-l（--length_required）自定义最短序列。

5、校正碱基（用于双端测序）

fastp支持对PE数据的每一对read进行分析，查找它们的overlap区间，然后对于overlap区间中不一致的碱基，如果发现其中一个质量非常高，而另一个非常低，则可以将非常低质量的碱基改为相应的非常高质量值的碱基值。此选项默认关闭，可使用-c（--correction）开启。

6、质量过滤

fastp可以对低质量序列，较多N的序列，该功能默认是启用的，但可以使用-Q参数关闭。使用-q参数来指定合格的phred质量值，比如-q 15表示质量值大于等于Q15的即为合格，然后使用-u参数来指定最多可以有多少百分比的质量不合格碱基。比如-q 15 -u 40表示一个read最多只能有40%的碱基的质量值低于Q15，否则会被扔掉。使用-n可以限定一个read中最多能有多少个N。

出处链接：https://www.jianshu.com/p/6f492058da5b