RNA-Seq数据分析——原始数据质量控制（QC）

获得转录组数据（.fastq文件）后的第一步就是对原始数据的质量控制。

质量控制的目的是全面查看原始数据的质量，内容包括碱基质量评估、GC含量检验、N碱基数量评估、TCGA碱基分布、k-mer数量检验等。

可以于检验fastq文件质量的软件有很多，例如FastQC、fastp、multiQC等。本文主要介绍应用最多的FastQC。

FastQC是一款基于Java的软件，须在linux环境下使用命令行运行，它可以快速多线程地对测序数据进行质量评估（Quality Control），其官网地址为： Babraham Bioinformatics 。

FastQC可以使用conda进行安装。在linux环境下运行命令 conda install fastqc 即可，运行结果如下图。

运行命令 fastqc -h 可检验其是否成功安装，运行结果如下图。

使用 fastqc -o #输出结果全路径 #数据存储全路径/*reads_R1.fq 命令运行案例数据

运行后可获得如下结果。

报告第一部分既是对质量检测结果的基本信息统计，如上图所示。其中包括：

上图显示了检测fastq文件的整体碱基质量分数统计。

上图展示了每个tail的测序情况。

对每条序列（reads）的测序质量统计。

上图显示了A T C G在每个位置的平均分布情况。

上图展示了序列平均GC分布。

上图N碱基含量分布

上图展示了检验文件中序列的长度统计。

接下来就是基于QC结果对数据进行质量控制，我们应用cutadapt来做。

你确定你的fastqc已经正确安装好了？如果安装好了，可以在命令窗口下输入 fastqc 命令，然后回车，跳出图形界面，然后把测序文件放进去就可以了。如果没有d出图形界面，你可以看看界面的相关提示，然后修正错误，才能运行的。

楼主如果对Linux系统感兴趣，可以百度《Linux就该这么学》，不错的一本Linux入门教程。

---