RNA-seq质控图表绘制教程 - 第1节
为什么我们需要 RNA-seq 质控？
做 RNA-seq 分析，说白了就是「垃圾进，垃圾出」。你想想看，测序仪吐出来的数据，如果本身质量就不过关，后续无论用多高级的算法、多漂亮的模型，结果都不靠谱。我个人习惯是，拿到任何一批 RNA-seq 数据，第一件事不是跑比对，而是先做质控。这跟盖房子要先检查砖头质量是一个道理。
我在项目中遇到过好几次，学生兴冲冲地跑过来说「老师，我们这组差异基因结果特别好」，结果我一看质控报告，样本间测序深度差了十倍。那所谓的差异，很可能只是测序噪声。所以，质控不是可选项，是必选项。
质控到底在看什么？
RNA-seq 质控不是在搞花架子。我们真正关心的是下面这几个核心问题：
- 测序质量够不够高 —— 每个碱基的准确度如何？有没有偏向性？
- 数据量够不够用 —— 得到了多少条序列？能覆盖到目标基因吗？
- 有没有污染或异常 —— 是不是混入了接头、引物二聚体，或者 rRNA 残留太多？
- 样本间有没有系统性偏差 —— 批次效应、测序深度不均，这些都会搞乱你的分析结果。
每一个问题，都可以通过对应的图表来快速定位。这也是为什么这门课要专门讲质控图表——图比数字直观得多。
常见的质控指标一览
我把最常用的质控指标整理了一下，你以后做项目可以直接对照着看：
| 指标类别 | 具体指标 | 怎么看 |
|---|---|---|
| 基本统计 | 总 reads 数、唯一比对率、多比对率 | 样本间差异不能太大，多比对率高说明重复序列多或基因组有问题 |
| 测序质量 | Phred 得分（Q20/Q30）、碱基质量分布 | Q30 一般要大于 80%，否则低质量碱基太多 |
| GC 含量 | GC 比例、GC 偏向性 | 偏离理论值太多，可能提示污染或文库扩增偏向 |
| 接头污染 | 接头序列含量、过表达序列 | 接头含量高说明文库片段太短 |
| 基因覆盖 | 5'/3' 偏向性、基因体覆盖度 | 对于 mRNA-seq 来说，如果 5' 端覆盖率远低于 3' 端，说明 RNA 降解了 |
| 重复率 | PCR 重复比例、光学重复比例 | 重复率过高浪费测序深度，提示文库复杂度低 |
我的经验分享：千万不要只看总 reads 数就判断数据好坏。有一次我拿到一个数据，总 reads 数特别漂亮，1 亿条，结果一查 GC 含量，异常偏高，再看比对率，只有 20%。后来发现是文库污染了细菌 DNA。所以，质控一定要看多个指标的综合判断。
图表在质控中的作用
为什么非得用图？光看数字不行吗？说实话，人类对视觉信息的处理速度远高于对数字的处理速度。一张质量分布热图，你扫一眼就能发现异常；换成数字表格，你逐行看完可能已经过了半小时。
我画了下面这张流程图，帮你梳理 RNA-seq 质控的核心思路：
每张图都有它的使命
在实际项目中，不同的质控环节要用到不同的图表。我整理了一个快速对照表：
| 质控环节 | 常用图表 | 主要观察点 |
|---|---|---|
| 原始数据质量 | 碱基质量箱线图、碱基含量分布图 | 是否存在整体质量差、碱基偏向性 |
| 清洗后数据 | 长度分布图、接头残留图 | 接头是否去除干净，长度分布是否正常 |
| 比对结果 | 比对率柱状图、比对位置分布图 | 比对率低可能提示污染或参考基因组有问题 |
| 基因覆盖 | 基因体覆盖度曲线、5'/3' 比率图 | RNA 完整性如何，是否存在降解 |
| 表达量矩阵 | 主成分分析（PCA）图、样本间相关性热图 | 是否存在批次效应，样本分组是否合理 |
| 重复序列 | 重复率累积曲线、饱和度分析图 | 文库复杂度是否足够，测序深度是否饱和 |
一个小技巧：如果你发现一组样本的 PCA 图第一主成分和第二主成分分不开，别急着下结论。先看看是不是某个样本的测序深度低了十倍——这种情况我遇到过不止一次。很多时候，所谓的「生物学差异」，其实是质控没做好导致的「技术噪声」。
质控不是一锤子买卖
你可能会想，质控嘛，在分析最前面跑一遍就完了。嗯，这里要注意——质控应该是贯穿整个分析流程的。我个人习惯的做法是：
- 拿到数据先跑一轮快速质控，看看整体质量能不能接受。
- 清洗数据后再跑一轮，确认清洗效果。
- 比对后跑一轮，看看比对率、基因覆盖度。
- 表达量矩阵出来后跑最后一轮，检查样本间一致性、批次效应。
为什么这么麻烦？因为每个环节都可能引入新的问题。清洗会引入损失，比对算法有偏好，定量软件有偏差。你不检查，就永远不知道问题出在哪里。
避坑指南：千万不要盲目相信默认参数。我曾经就吃过这个亏，用 FastQC 默认参数跑了质控，结果显示一切正常。后来换了另一款工具才发现，原来是文库构建方式特殊，默认的接头检测阈值没识别出来。所以，我的建议是至少用两种不同的工具交叉验证一次。
好，关于 RNA-seq 质控的意义和图表作用，我们就先聊到这里。后面的章节里，我会一步步带你画出每一种质控图表，并且告诉你我在实际项目中踩过的坑和总结出的经验。记住，质控做得好，后续分析才稳当。