我来帮您生成《数据质控：FASTQ预处理可视化技巧》第2章的HTML正文片段，内容聚焦FASTQ格式详解与质量分数编码。

2. FASTQ格式详解：每一行含义，质量分数编码

FASTQ 是目前测序数据存储的"通用语言"。我刚开始处理测序数据时，第一反应是——这格式怎么这么简单？就四行重复，但每一行都有门道。今天我把这四行拆开讲透，顺便把 Phred 质量编码那点事说清楚。

2.1 四行结构：从 @ 到 + 再到质量串

一个完整的 FASTQ record 固定包含 四行，顺序不能乱，缺一行都不行。看个实际例子：

@EAS139:136:FC706VJ:2:2104:15343:197392 1:N:18:1
GTTCAGGGATACGACGTTTGTATTTTAAGAATCTGTGCATCACAA
+
BBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBB

我来逐行拆解：

• 第1行（标识符行）：以 @ 开头，后面跟着测序仪器、flowcell 坐标、cluster 位置、read 方向、filter 标志等信息。不同测序平台的标识符格式略有差异，但 @ 是铁打的开头。
• 第2行（碱基序列行）：原始测序碱基，A/T/C/G 加上 N（无法判定的碱基）。长度就是测序读长，比如 150 bp 就是 150 个字符。这一行不换行，直接连着写。
• 第3行（分隔行）：以 + 开头，后面可以重复第1行的标识符（可选），也可以什么都不写。我见过很多数据直接只写一个 +，完全没问题。
• 第4行（质量分数行）：与第2行等长的 ASCII 字符，每个字符对应一个碱基的测序质量。字符的 ASCII 值经过偏移编码后，就是 Phred 质量分数。

2.2 质量分数编码：Phred 公式 + ASCII 偏移

质量分数到底怎么来的？其实就是一个简单的对数转换：

Q = -10 × log₁₀(P)

其中 P 是该碱基的测序错误概率。Q = 30 意味着错误概率是 0.001（千分之一），Q = 20 是 0.01（百分之一）。Q 值越高，这个碱基越可信。

但问题来了——Q 值范围通常能到 40 甚至 60，直接用数字存很浪费空间。于是设计者用 单个 ASCII 字符 来编码 Q 值，做法就是：

ASCII = Q + offset

历史上出现过两种偏移量，也就是大家常说的 Phred+33 和 Phred+64。我把它们的核心差异整理成了一张表：

对比维度	Phred+33（Sanger / Illumina 1.8+）	Phred+64（Illumina 1.3–1.7）
偏移量	33	64
最小 ASCII	33（!）	64（@）
最大 ASCII	126（~）	126（~）
Q 值范围	0 – 93	0 – 62
常见平台	Sanger、Illumina 1.8+、PacBio、ONT	早期 Illumina（GA II, HiSeq 2000 早期）
现状	绝对主流，几乎所有公共数据都用它	基本淘汰，遇到时需转换

2.3 实战：如何快速判断一个 FASTQ 的编码类型

写一个简单的 Python 脚本就能搞定：

def guess_encoding(fastq_path, n_records=1000):
    min_ord, max_ord = 127, 0
    with open(fastq_path) as f:
        for i, line in enumerate(f):
            if i % 4 == 3:          # 质量行
                for ch in line.strip():
                    o = ord(ch)
                    if o < min_ord: min_ord = o
                    if o > max_ord: max_ord = o
            if i // 4 >= n_records:
                break

    print(f"ASCII range: {min_ord} – {max_ord}")
    if min_ord >= 64:
        return "Phred+64"
    elif min_ord >= 33 and max_ord <= 126:
        return "Phred+33"
    elif min_ord >= 59:
        return "Phred+64 (likely)"
    else:
        return "Phred+33 (likely)"

逻辑其实很简单：取 1000 条 record 的质量行，算最小和最大 ASCII 值。如果最小值 ≥ 64，绝不可能是 Phred+33（因为 Phred+33 的最小值是 33，对应 !）。反之，如果最小值在 33–63 之间，就是 Phred+33。

下面这张图把整个 FASTQ 的结构和两种编码的对应关系串在了一起，你可以对照着理解：

看懂这张图，FASTQ 的结构就没什么秘密了。四行从左到右、从上到下，质量分数行再分支到两种编码方式，逻辑非常清楚。

2.4 一个小技巧：从 ASCII 直观看编码

其实不用每次都跑脚本。我个人的经验是：直接用 head -n 40 看一下质量行的字符分布——

• 如果看到大量 !、"、# 这些低 ASCII 字符（33–40），绝对是 Phred+33。
• 如果看到的字符全都在 @（64）以上，没有低于 64 的，那就可能是 Phred+64。
• 如果看到 I（ASCII 73）特别多，说明 Q 值集中在 40 左右，测序质量很好——无论哪种编码都是好事。