2. 组学数据质量维度与指标体系
组学数据质量控制不能只靠“看起来没问题”来判断。无论是基因组重测序、转录组 RNA-seq、蛋白质组质谱还是代谢组 LC-MS，数据质量都需要被拆解为若干可观察、可计算、可比较的维度。本节围绕准确性、完整性、一致性、时效性和可重复性五个核心维度展开，并给出可落地的量化指标集，使质控从经验判断走向指标驱动。
五个质量维度的含义与边界
准确性（Accuracy）描述观测值与真实值的接近程度。在组学中，真实值往往不可直接获得，因此常用替代指标：测序碱基质量值 Q 反映单碱基判读置信度，Q30 表示错误率约 0.1%；质谱质量偏差（ppm）反映母离子质量测量误差；变异检测中的假阳性率则通过与金标准数据集比较获得。准确性关注“测得对不对”。
完整性（Completeness）描述应有数据是否齐全。它既包括样本层面的完整（计划 48 例，实际入库 46 例），也包括特征层面的完整（基因表达矩阵中缺失值比例、蛋白鉴定中漏检比例）。完整性关注“该有的有没有”。
一致性（Consistency）描述数据内部与数据之间是否自洽。同一批样本的测序深度是否均衡、不同批次间是否存在明显批次效应、参考基因组版本与注释版本是否匹配、样本性别与 X/Y 染色体覆盖是否吻合，都属于一致性范畴。一致性关注“彼此是否对得上”。
时效性（Timeliness）描述数据从产生到可用、从采集到交付的时间特性。在临床组学或队列研究中，样本降解时间、测序周转时间、质控报告出具时间都会影响数据可用性。时效性关注“是否在有效窗口内”。
可重复性（Reproducibility）描述相同样本或相同流程在重复测量、重复分析下结果的一致程度。技术重复的相关系数、不同操作者间的差异、流程重跑的结果稳定性，都是可重复性的体现。可重复性关注“再做一次是否还一样”。
从维度到指标：建立可量化的质控指标集
维度是方向，指标是抓手。一个可执行的组学质控指标集，至少应包含指标名称、计算方式、阈值范围、适用组学类型和异常处置建议。以下以 DNA 重测序和 RNA-seq 为例，给出一个可参考的指标集片段。表中阈值为常见实践参考值，实际项目应根据样本类型、测序策略和下游分析目标调整。
| 维度 | 指标 | 计算方式 | 参考阈值 | 异常提示 |
|---|---|---|---|---|
| 准确性 | Q30 碱基比例 | Q≥30 碱基数 / 总碱基数 | ≥85% | 测序质量下降，检查试剂与仪器 |
| 准确性 | 比对率 | 比对到参考基因组 reads / 总 reads | ≥90%（DNA） | 污染、接头残留或参考不匹配 |
| 完整性 | 样本入库率 | 实际入库样本数 / 计划样本数 | ≥95% | 样本采集或运输环节丢失 |
| 完整性 | 基因检出率 | 表达量>0 的基因数 / 注释基因总数 | ≥60%（RNA-seq） | 建库偏差或测序深度不足 |
| 一致性 | 测序深度变异系数 | 各样本深度标准差 / 均值 | ≤0.3 | 样本间深度不均衡，需重测或校正 |
| 一致性 | 批次效应显著比例 | 显著受批次影响的基因比例 | ≤10% | 需在模型中纳入批次协变量 |
| 时效性 | 样本至建库间隔 | 建库日期 − 采样日期 | ≤7 天（RNA） | RNA 降解风险升高 |
| 可重复性 | 技术重复相关系数 | 重复样本表达量 Pearson r | ≥0.95 | 流程波动大，检查建库与分析环节 |
指标如何落地：一个 RNA-seq 质控示例
假设某批次计划测序 24 例人源 RNA-seq 样本，采用 PE150 策略，目标数据量 6 GB/样本。质控流程可按以下方式组织：
- 原始数据层：用 FastQC 统计 Q30、GC 含量、接头污染和重复序列比例。若某样本 Q30 低于 80%，先标记为“待复核”，不直接进入比对。
- 比对层：用 HISAT2 比对到 GRCh38，统计比对率、唯一比对率和 rRNA 比例。比对率低于 85% 或 rRNA 比例高于 20% 的样本，需检查建库是否引入污染。
- 表达层：用 featureCounts 获得基因计数矩阵，计算基因检出率和样本间深度变异系数。若深度 CV 大于 0.3，说明样本间测序量差异过大，可考虑下采样或重新测序。
- 重复层：若批次中设置了 2 组技术重复，计算重复间表达量 Pearson 相关系数。r 低于 0.95 时，应回溯建库和测序环节，而不是直接进入差异分析。
维度之间的权衡与优先级
五个维度并非总是同时最优。提高时效性可能压缩质控时间，影响准确性复核；追求完整性可能纳入质量边缘的样本，拉低一致性。实际项目中需要根据研究目的确定优先级：临床诊断类项目通常优先准确性和时效性；大队列发现类项目更关注完整性和一致性；方法学比较研究则必须保证可重复性。质控指标集的价值，正在于把这些权衡显式化，让团队在同一套语言下做决策，而不是各自凭经验判断。
建立指标集之后，下一步是把它嵌入实际流程：在样本接收、建库、测序、比对、定量各环节设置检查点，每个检查点输出对应指标值，并记录是否放行。这样，质量维度就不再是抽象概念，而是可追踪、可审计、可改进的工程对象。