fastp-py 是一个基于 Python 的 fastp 包装工具，专为批量处理 Fastq 文件的质量控制（QC）而设计。它能够并行处理多个样本，并生成类似 fastqc-chip 的标准化输出结构，方便后续分析和报告生成。

当前版本: v1.2.1

• 批量处理: 支持对指定目录下的所有 fastq 文件进行批量 QC。
• 并行加速: 利用多线程并行处理样本，显著提高效率。
• 灵活配置: 支持自动接头检测、自定义接头序列、以及多种 fastp 过滤参数。
• 结构化输出: 生成包含 Clean Reads, Unpaired Reads, Failed Reads 以及详细 JSON/HTML 报告的目录结构。
• 汇总报告: 自动生成 qc.report.txt 汇总所有样本的 QC 指标。
• 兼容性: 支持内置 fastp、系统 fastp 或指定路径的 fastp 二进制文件。
• 文件名解析: 灵活的样本名称提取规则。

• Python 3.6+
• fastp (默认查找当前目录下的 fastp，也可使用系统路径或指定路径)

本工具为单文件 Python 脚本，直接下载 fastp-py 并赋予执行权限即可使用。

chmod +x fastp-py

1. 批量处理目录下的所有 fastq 文件：

./fastp-py /path/to/input_dir /path/to/output_dir

2. 处理单个样本（一对 PE reads）：

./fastp-py sample_R1.fastq.gz /path/to/output_dir --read2 sample_R2.fastq.gz --sample sample_name

指定并行进程数： 使用 -p 参数指定并行任务数量（默认为 4）。

./fastp-py input_dir output_dir -p 8

自动检测接头： 使用 -a auto 开启 fastp 的 PE 接头自动检测。

./fastp-py input_dir output_dir -a auto

指定 fastp 路径： 如果 fastp 安装在系统路径中，可以使用 --bin system；或者指定具体路径。

# 使用系统环境变量中的 fastp
./fastp-py input_dir output_dir --bin system

# 使用指定路径的 fastp
./fastp-py input_dir output_dir --bin /usr/local/bin/fastp

查看版本：

./fastp-py -V
# 如果想查看指定路径 fastp 的版本
./fastp-py --bin /path/to/fastp -V

参数	说明	默认值
input_path	输入 Fastq 文件目录或 R1 文件路径	(必选)
output_path	输出目录	(必选)
-p, --process_num	并行处理的样本数量	4
-a, --adapter	接头序列 (输入 auto 开启自动检测)	TruSeq Adapter...
--extra-adapters	额外的接头序列，逗号分隔	(常见接头)
--sep	样本名分隔符 (用于从文件名提取样本名)	_
--read2	R2 文件路径 (仅用于单样本模式)	None
--sample	样本名称 (仅用于单样本模式)	自动提取
--bin	fastp 程序路径 (self, system 或具体路径)	self
--logfile	日志文件路径	None
-v, --verbose	打印更多调试日志	False
-V, --version	显示版本信息	-

以下 fastp 参数已内置默认值，可通过命令行参数覆盖（未在 help 中完全列出，但支持透传）：

• -q 15: 质量值阈值 (Phred quality score)
• -u 10: 允许低质量碱基的百分比
• -n 2: 允许 N 碱基的数量
• -l 50: 过滤后 Read 的最小长度
• -y: 开启低复杂度序列过滤 (默认开启)
• -g: 开启 polyG 尾部修剪 (默认开启)

注意: 若要关闭 -g (polyG trimming)，可以使用 -G 参数。

输出目录将包含以下内容：

output_dir/
├── sample1.R1.clean.fastq.gz   # 过滤后的 R1
├── sample1.R2.clean.fastq.gz   # 过滤后的 R2
├── adapter.fa                  # 使用的接头序列文件 (如果用到)
├── qc.report.txt               # 所有样本的 QC 汇总表格
├── 002/                        # 存放未配对或过滤掉的 reads
│   ├── sample1.R1.unpair.fastq.gz
│   ├── sample1.R2.unpair.fastq.gz
│   └── sample1.npass.fastq.gz
└── QC/                         # 存放详细 QC 报告
    ├── sample1.fastp.html      # fastp HTML 报告
    ├── sample1.fastp.json      # fastp JSON 报告
    ├── sample1.fastp.log       # fastp 运行日志
    ├── sample1.qc.json         # 转换后的 QC 数据 JSON
    ├── sample1.clean.fastqc    # 用于绘图的数据
    └── sample1.fastqc.info     # 简要 QC 信息

1. 手动指定adapter的情况下，添加adapter sequence参数，防止fastp自动检测adapter

• 重构: 修改为基于类的分析逻辑，代码结构更清晰。
• 优化: 精简命令行参数，直接传递参数给 fastp，不再进行复杂的长度转换。
• 变更:
  • 默认参数调整为 -q 15 -u 10 -n 2 -l 50 -y -g。
  • 删除了 --poly_g_min_len，现在使用 fastp 默认值。
  • 默认开启 -y (低复杂度过滤)。
• 新功能: 支持通过 --bin 手动指定 fastp 路径（支持 self, system 或绝对路径）。
• 修复: 针对原版 fastp 未生成 Q20/Q30 曲线数据的问题，增加了基于均值的动态分布补全，防止程序报错。