第三章 运行FastQC：命令行与参数详解

上一章我们聊了为什么要做质控。现在，咱们直接上手——怎么把FastQC跑起来。

你有没有遇到过这种情况？花了半天学了一堆参数，结果跑出来的结果跟你想象的不一样。说实话，FastQC的命令行其实不复杂，但有几个参数，我敢说大多数新手都会踩坑。

这一章，我会把每个常用参数讲透。哪些是必须的，哪些是锦上添花，哪些是你压根不需要碰的，一一说清楚。

基础用法：三秒钟跑起来

FastQC的基本命令，简单到让你怀疑人生：

fastqc sample.fastq.gz

这样一行，就能在当前目录生成一个HTML报告和一个ZIP压缩包。没错，就这么简单。

但说实话，实际项目中你不会只跑一个文件。一个标准的RNA-seq项目，少说也有几十个样本。我一个一个敲？别开玩笑了。

批量处理才是常态：

fastqc sample1.fastq.gz sample2.fastq.gz sample3.fastq.gz

或者用更优雅的方式：

fastqc *.fastq.gz

我个人习惯这样写。简单、清晰，一跑起来所有样本就一起出报告了。

关键参数详解：这些你得搞清楚

FastQC的参数不算多，但有几个非常关键。我用一个表格把它们列出来，这样你一眼就能看明白：

--threads：跑得快的关键

这个参数很实用。我习惯把它设为CPU核数的一半：

fastqc sample.fastq.gz --threads 4

为什么是一半？因为FastQC的线程是用于解压和读取的。我是这么试出来的。设多了反而会变慢，因为硬盘读写成了瓶颈。你想想看，硬盘都忙不过来了，CPU再多也是白搭。

对于大型FASTQ文件——比如10GB以上的，我建议：

• 服务器上：设8个线程
• 笔记本上：设4个线程就够了
• 如果文件很多：可以并行跑多个FastQC进程

--outdir：管理输出文件的习惯

我在项目里养成了一个习惯：所有质控报告都放在一个qc目录下。这样数据一整理就很清爽：

fastqc *.fastq.gz --outdir ./qc_reports

这样跑完后，所有的HTML和ZIP文件都会乖乖待在那个文件夹里。避免了到处散落文件的混乱局面。

--extract vs --noextract：解压是个大问题

说实话，这个问题我踩过坑。有一次我跑完FastQC，想要写脚本批量解析结果——结果发现数据全在ZIP里，还得一个一个解压。

所以我现在习惯加上--extract：

fastqc sample.fastq.gz --extract

这样就会自动解压，得到一个目录。里面包含所有原始数据文件，方便后续用脚本提取。

但如果你只是看一眼报告，不需要再处理数据，那就不加这个参数。ZIP文件还能省点空间。

--casava：兼容旧格式的数据

这个参数针对的是Illumina CASAVA 1.8及之前的格式。现在的新数据大多不需要。但如果你是从一些旧项目拿到的数据，或者用了特定的碱基识别软件，可能会遇到。

加了它之后，FastQC会从文件名中提取样本名和run信息。我一般不用。但如果你的文件名格式是：

SampleName_S1_L001_R1_001.fastq.gz

那可以考虑加上。不过说实话，不加也没关系，报告照样能出。

--nano：处理纳米孔数据的必备选项

这个参数是后来加的。如果你做的是纳米孔测序，比如ONT的数据，那就得加上：

fastqc sample.fastq.gz --nano

为什么？因为纳米孔数据的read长度、质量分布跟Illumina完全不同。不加这个参数，FastQC会按短读长的逻辑去分析，结果里会出现很多奇怪的报警。我曾经因为没加这个参数，被错误的质量警告吓得不轻，差点以为测序出了问题。

实用场景示例

说了这么多，给你几个我实际项目中常用的命令组合：

场景一：常规Illumina双端测序，批量处理

fastqc *_R1_*.fastq.gz *_R2_*.fastq.gz \
  --threads 8 \
  --outdir ./qc_reports \
  --extract

场景二：单端RNA-seq，文件较多

for f in *.fastq.gz; do
  fastqc "$f" \
    --threads 4 \
    --outdir ./qc_reports
done

场景三：ONT纳米孔数据

fastqc *.fastq.gz \
  --nano \
  --threads 4 \
  --outdir ./nano_qc \
  --extract

输出文件解析

跑完后的输出，你会在指定目录看到两类文件：

• .html文件：可直接用浏览器打开的交互式报告
• .zip文件：包含原始数据，适合用脚本批量解析

如果加了--extract，还会多出一个目录，里面包含：

• fastqc_data.txt：所有质量数据的汇总
• fastqc_report.html：单独的HTML报告
• summary.txt：简洁的通过/警告/失败状态
• Icons/：报告中的状态图标

用一张图看清整体流程

下面这张图展示了从拿到FASTQ文件到输出质控报告的完整路径：

避坑指南：常见错误

# 错误写法
fastqc sample 1.fastq.gz

fastqc "sample 1.fastq.gz"

for file in *.fq.gz; do fastqc "$file" --outdir ./qc; done

file sample.fastq.gz

版本差异：不同的FastQC不一样

这一点得注意。不同版本的FastQC，参数可能有些变化。比如0.11.9版本之后改了一些输出格式。我建议用最新版。

查看版本：

fastqc --version

如果你想看完整参数列表，直接：

fastqc --help

会输出一长串说明。别被吓到，常用的就那几个参数。

小结：两个原则

嗯，这一章的核心内容就这些。总结一下：

• 原则一：批量跑就用通配符配合outdir
• 原则二：看情况决定是否要解压

fastqc *.fastq.gz \
  --threads $(nproc) \
  --outdir ./qc_reports \
  --extract