FastQC詳解

一、FastQC簡介

FastQC是一款快速、高效的質控工具，可幫助我們評估測序數據的質量並識別潛在問題。它是以Java編寫的，可以接收針對Illumina，Ion Torrent和PacBio平台的fastq格式數據文件作為輸入數據。

其主要評估幾個方面：

• 每個鹼基的質量值分布情況
• 序列數及序列長度的分布
• 含有低質量序列的數量和比例
• 序列中存在的複雜序列（如接頭、引物等）
• 鹼基組成

FastQC評估後將生成一個HTML文件，我們可以通過可視化頁面來查看各項統計值、圖表和直方圖，以便進行數據質量控制和處理。

二、安裝與使用

FastQC是一個開源工具，可以從其官網（http://www.bioinformatics.babraham.ac.uk/projects/fastqc/）下載並安裝。在Windows系統上，僅需使用雙擊安裝。在Linux系統中，您可以使用命令行安裝，在命令行輸入：

wget https://www.bioinformatics.babraham.ac.uk/projects/fastqc/fastqc_v0.11.9.zip
unzip fastqc_v0.11.9.zip
chmod 755 FastQC/fastqc
sudo ln -s /path/to/FastQC/fastqc /usr/local/bin/

安裝後，在Linux中可以使用以下命令運行FastQC：

fastqc input_file.fastq

其中，input_file.fastq是要進行質量控制的數據文件。對於Windows用戶，可以使用圖形用戶界面（GUI）。

三、FastQC報告解讀

1、序列質量分析

序列質量分析主要評估每個鹼基的質量得分，並以直方圖和誤差率圖表現出來（Phred質量得分越高代表越好）。FastQC報告中一些常見的輸出圖表包括：

• 鹼基質量分布曲線：該圖表顯示每個鹼基的平均質量值，並用不同顏色的方塊表示質量的不同水平，以便預測序列中的錯誤率。
• 鹼基質量箱形圖：該圖表顯示每個鹼基質量值分布的範圍，可以幫助檢測到低質量鹼基，通常標記為紅色。

2、序列長度分析

序列長度分析繪製序列長度的直方圖，該直方圖顯示序列在數據集中的長度分布。如果序列長度差距很大，則可能存在樣品污染、文庫製備問題或其他技術問題。

3、錯誤分析

錯誤分析檢測存在可疑鹼基和錯誤類型，以及檢測到的序列和鹼基的分段，突變及其長度。FastQC包括一個序列錯誤分類表，其中列出了四種可能的錯誤類型：替換錯誤、插入錯誤、刪除錯誤和N錯誤。

四、FastQC使用示例

1、下載數據集並進行解壓

wget https://ftp.sra.ebi.ac.uk/vol1/fastq/SRR097/SRR097977/SRR097977_1.fastq.gz
gunzip SRR097977_1.fastq.gz

2、安裝FastQC

Linux下安裝過程請見第二部分的說明。

3、運行並生成HTML質量報告

fastqc SRR097977_1.fastq

FastQC將生成一個HTML報告，可以用任何瀏覽器打開。

總結

FastQC是評估測序數據質量的最好工具之一，它提供了方便的可視化報告。我們可以根據報告來決定是否需要進行後續的數據質量控制和處理。