转录组分析<五>之数据质控

通过前四篇推文（详细内容可以点击《转录组分析<一>之Hisat2不完全使用指南一》、《转录组分析<二>之Hisat2不完全使用指南二》、《转录组分析<三>之Stringtie不完全使用指南》和《转录组分析<四>之使用DEseq2/edgeR进行差异分析》），读者可以完成测序数据的比对、定量和差异表达基因。但是，我们有可能会发现分析的结果不够理想，却不知从何处找原因。这里就不得不提到转录组分析中最基础，也是最重要的环节之一，转录组数据的质控。

一 质控原因

现在常用的测序仪器如Illumina，其下机的数据常常是包含接头的，低质量的reads，含有大量N的read。因此，我们首先需要对这些数据进行过滤，去掉这些可能会干扰结果的reads。之后，我们就会得到clean data。但是，对于这些clean data是否需要再评估一下呢。答案显然是yes!

二 质控流程

1 单个测序文件的质控

那么，就需要使用到一个重要的分析工具：Fastqc。下面，我将通过四行代码介绍如何使用fastqc去进行质量的评估（下载程序、解压程序，进入目录，运行程序）。

完成上述步骤后，每个测序文件都生成一个html文件和文件夹。使用浏览器打开html文件夹，我们就可以查看各个测序文件的质控结果。

2 多个测序文件的质控结果整合

这里会有一个问题，如果我们有几十个测序文件，那我们该如何整合这些测序文件的质控结果到一个文件中呢？这里就得介绍一个软件multiqc（网址为https://multiqc.info/）。使用这个软件，我们就可以实现两步完成对多个转录组数据的质控结果的整合。

运行完上述代码之后，我们就会在当前目录下产生一个html文件和一个文件夹：multiqc_report.html和文件夹multiqc_data。此时html文件会将所有的结果整合。因为图1已经展示了质控的评价指标，而multiqc仅仅是对这些结果的整合，因此，下文仅以图1中的‘2每个位置碱基质量’整合结果进行介绍，其余指标也可参照相应结果进行解析。

如图2所示，整合结果中一方面会显示多少样品达标，另一方面也会将所有样品的质控结果进行统计，并以图的形式展出。

三 结果评估

实际上，质控结果中我们首先需要重点关注的是‘2 每个位置碱基质量’、‘4 每个序列质量得分’和‘11 序列中接头含量’。而其余指标则需要依据最终结果进行选择，如果影响后续分析，则需要根据结果重新对测序数据进行过滤。

本公众号开发的相关软件，Multi-omics Hammer软件和Multi-omics Visual软件欢迎大家使用。文末是本公众号在其他平台的账户，也欢迎大家关注并多提意见。

简书：WJ的生信小院

公众号：生信小院

博客园：生信小院

最后，也欢迎各位大佬能够在本平台上：1传播和讲解自己发表的论文；2：发表对某一科研领域的看法；3：想要达成的合作或者相应的招聘信息；4：展示自己以寻找博后工作或者博士就读的机会;5:博导提供博后工作或者博士攻读机会，都可以后台给笔者留言。希望本平台在进行生信知识分享的同时，能够成为生信分析者的交流平台，能够实现相应的利益互补和双赢（不一定能实现，但是梦想总得是有的吧）。

另外，怎么说呢，投币也可，不强求，但奢求。