FastQC结果解读：从数据概览到质量核心
FastQC跑完后，你会得到一堆花花绿绿的图表。很多新手看到这些图就头疼，觉得眼花缭乱。其实没那么复杂。我个人习惯把注意力集中在几个核心模块上，就能快速判断这批数据能不能用。
今天我们就来聊聊最关键的三个部分：基本统计、Per base sequence quality 和 Per sequence quality scores。这三个模块能帮你回答两个问题——数据量够不够？质量行不行？
核心观点：FastQC 的报告不是让你逐字阅读的。你是来检查数据的，不是来欣赏图表的。抓住关键指标，5分钟就能下结论。
基本统计：第一印象决定后续动作
拿到 FastQC 报告，我一般先扫一眼 Basic Statistics 这块。说白了，这就是数据的身份证。你得先知道总量、长度、GC含量这些基础信息，才能判断数据正不正常。
| 指标 | 正常范围 | 可能出问题的信号 |
|---|---|---|
| Total Sequences | 与你预期一致（例如 10M~50M） | 严重偏少（建库失败）；严重偏多（可能污染） |
| Sequence length | 固定长度（如 150bp） | 长度不一致（适配器残留或文库片段问题） |
| %GC | 40%-60%（具体看物种） | 异常偏离物种预期（可能污染或PCR偏差） |
举个例子。我记得有个项目，做的是土壤宏基因组。跑出来的 GC 含量只有 28%，明显偏低。我当时就怀疑是不是建库时出了什么问题。后来检查发现，测序数据里混入了大量 AT-rich 的适配器二聚体。嗯，这种情况你直接拿去做组装，结果肯定惨不忍睹。
实用技巧：GC 含量这块，你最好先了解你研究的物种大概在什么范围。比如人类的 GC 含量在 41% 左右，细菌在 50% 左右。如果你看到 GC 含量是 65%，而你在做人全基因组测序……那最好仔细查查污染来源。
Per base sequence quality：测序质量的“心电图”
这个模块是我最常看的。它展示的是每个碱基位置（从 1 到序列长度）的质量得分分布。你想想看，测序仪是从 5' 端开始读的，越读到后面，信号就会衰减。
为什么？因为随着测序反应的进行，荧光信号会变得越来越弱，碱基判定的准确性自然就下降了。所以你会看到一条从左到右缓慢下降的曲线——完全正常。
FastQC 用颜色来帮你快速判断：
- 绿色区域（Q ≥ 28）：质量优秀，可以放心使用。
- 黄色区域（20 ≤ Q < 28）：质量一般，需要关注。
- 红色区域（Q < 20）：质量较差，建议截掉或过滤。
我以前做过一个单细胞 RNA-seq 项目，读到 100bp 以后质量直接掉到红线里。刚开始我还犹豫要不要全部保留。后来我咬牙用了 Trimmomatic 把后端截掉，虽然损失了一些数据量，但后续的比对率和表达定量结果反而更稳定了。
避坑指南：如果整个序列的每个位置质量都非常差（全线飘红），那可能是测序实验本身出了问题。我曾经遇到过一台测序仪的光路故障，导致整条 lane 的数据质量都不合格。这种情况，你再怎么质控也救不回来，只能重新上机。
我个人建议，对于多数应用场景，质量得分低于 Q20 的位置就应该果断截掉。你想想看，Q20 意味着每 100 个碱基中就有 1 个错误。如果你做的是 SNP 检测，这样的错误率对结果的影响是致命的。
Per sequence quality scores：看“平均质量”的分布
这个模块和上一个不一样。它不是看每个位置的质量，而是看每条序列的平均质量得分在整个数据集中是如何分布的。说白了，它要告诉你：你的数据里，质量好的序列多不多？质量差的序列有多少？
理想情况下，你应该看到一条集中在高分段（Q30 以上）的尖峰。如果出现双峰——一个主峰在高质量区，一个小峰在低质量区——那就得小心了。这个小峰很可能代表了一大批表现不佳的序列，比如含有大量适配器或未知序列。
我举一个真实的例子。去年我做一项环境 DNA 项目，结果 Per sequence quality scores 图出现了一个明显的低质量尾巴。我一开始没在意，直接往下走了。结果下游的 OTU 聚类聚出来一堆假阳性，最后排查发现就是因为低质量序列产生了错误的嵌合体。
| 图表形态 | 解读 | 建议操作 |
|---|---|---|
| 单峰，峰尖在 Q30-Q40 | 数据质量总体很好 | 正常使用，无需特别过滤 |
| 单峰，峰尖在 Q20-Q30 | 质量中等偏下 | 建议使用 Trimmomatic 过滤低质量序列 |
| 双峰（一个高质量峰 + 一个低质量峰） | 存在系统性低质量批次或污染 | 严格过滤，甚至排查建库问题 |
| 主峰在 Q20 以下 | 数据质量很差 | 强烈建议重测或放弃这批数据 |
我的经验：做质控时，不要只看平均值。Per sequence quality scores 图能帮你发现那些“平均之下”的坏数据批次。哪怕整体数据看起来不错，只要这个图出现异常，我都会多花几分钟仔细看看。
最后说一句。FastQC 的这些图表不是摆设，它们是诊断工具。你把基本统计、Per base quality 和 Per sequence quality 这三块结合起来看，就能对数据有个非常准确的判断。用不了多久，你就能一眼看出问题在哪里。