第1章 多组学平台质控概述

1.1 多组学概念

多组学，说白了就是把基因组、转录组、蛋白组、代谢组这些不同层面的数据放到一起分析。我个人习惯把它比作搭积木——单组学就是一块积木，只有拼起来才能看清全貌。

举个例子，你想想看，只看基因组突变可能不知道它是否有功能，但结合转录组和蛋白组，就能推断出表达上的影响。我在项目里遇到过这种情况：一个基因突变在基因组层面看着很吓人，但转录组数据显示它根本没表达，那就不是关键问题。

常见组学数据类型包括：

• 基因组学：DNA序列、突变、拷贝数变异
• 转录组学：RNA-seq表达量、剪接变异
• 蛋白质组学：蛋白鉴定与定量、翻译后修饰
• 代谢组学：小分子代谢物谱
• 表观基因组学：DNA甲基化、组蛋白修饰

为什么要做质控？因为多组学数据是批处理的，批次效应没法完全消除。嗯，后面我会详细讲。

1.2 质控的重要性

质控是多组学项目的底气。我见过不少团队，数据做了一大堆，结果一检查发现样本标签混了、测序深度不够、代谢物鉴定的假阳性太高。说白了，质控就是给数据质量做个体检。

避坑指南：我曾经接手一个项目，同行送过来的蛋白组数据，看着漂亮得很，结果一跑质控发现肽段长度分布异常——原来是id转换跑飞了，丢了三分之一肽段。从那以后，数据进我手里的第一件事，就是跑一遍基础质控流程。

你会问：质控到底有多重要？这么说吧，数据质量差，后续所有分析都会偏离。我在一个肿瘤多组学项目里，单组学质控没到位，最后整合时发现批次效应比生物信号还大，整个项目白费了力气。

质控主要看哪些指标呢？

• 测序数据：碱基质量、GC含量、重复序列比例
• 比对结果：比对率、覆盖度、插入片段大小
• 定量结果：表达量分布、批次效应评估

下面是多组学平台的常见质控流程：

数据采集 -> 数据清洗 -> 质量控制 -> 数据整合 -> 生物信息学分析

运行FastQC检查原始测序质量的命令示例：

fastqc sample_R1.fastq.gz sample_R2.fastq.gz -o qc_results/

1.3 课程目标与大纲

这门课的目标很明确：让你拿到多组学数据后，知道怎么查、怎么修、怎么保证质量。我会手把手带你走完质控的各个环节。

课程分四个模块：

模块	章节数	核心内容
基础篇	第1-5章	多组学概念、数据格式、质控工具链
工具篇	第6-15章	FastQC、MultiQC、trim_galore、STAR、Salmon 等工具实战
实战篇	第16-25章	多组学联合质控、批次效应校正、数据整合案例
进阶篇	第26-30章	自动化质控管道、云上部署、质控报告定制

每个模块我都会穿插实际项目经验，比如我在某大型项目里怎么用MultiQC一次看100个样本的质控报告。

下面是本章知识体系的结构图：

这张图展示了本章的知识脉络：从多组学概念出发，强调质控重要性，然后分四个模块深入学习，最终形成完整的质控知识体系。