NGS010 测序数据质控

1. Total data/reads：总数据量/总reads数目
2. Q30：碱基测序质量值，Q=-10logP，P为碱基测序错误率，其中Q30代表碱基测序错误率为0.1%，也即该碱基测序1000次，出错的可能性为1次。
3. Depth：测序深度
4. Mapping ratio：比对率，有两种计算方式，及reads/base
5. GC bias：GC含量分布，正常人基因组GC含量约为40%-60%
6. Insert size：插入片段大小，应与文库分子大小一致
7. Duplicate ratio：测序过程会产生起点、序列信息、终点均相同的reads，被称为duplication，其产生的原因主要为样本自身的重复片段，建库及捕获过程中的PCR富集，上机时的信号放大（如illumina的桥式PCR），以及荧光信号读取的光学误差等

8. Chimera ratio
   在PCR反应中，在延伸阶段由于不完全延伸，就会导致嵌合体序列的出现。如下图所示：在扩增序列Template1的过程中，在序列延伸阶段，只产生了部分Template1序列在延伸阶段就结束了，在下一轮的PCR反应中，这部分序列作为序列Template2的引物接着延伸，扩增就会形成Template1和Template2的嵌合体序列。通常在PCR过程中，大概有1%的几率会出现嵌合体序列，而在16S/18S/ITS 扩增子测序的分析中，由于序列相似度很高，嵌合体可达1%-20%，因此需要去除嵌合体序列。去除嵌合体可以将拼接好的Tags比对到参考数据库当中确定嵌合体，然后进行去除。

   
   
   image.png

9. Soft clip
   clip alignment：在比对过程中，并没有用到全部的read的序列，read两段的序列被截取了（clip or trim）。

   
   
   clip alignment
   
   

   spliced alignment：与clipped alignment对应，即read的中间没有比对到而两段比对上了

   
   
   spliced alignment
   
   clip alignment对应的CIGAR表示有两种S （soft clip）和H（hard clip），如果发现嵌合比对，最优的比对top hit标记为soft clipping，其余的则标记为hard clipping。如果是hard clip，则截取的部分不会在SAM文件对应的read中出现 (clipped sequences not present in SEQ)，如果是soft clip (clipped sequences present in SEQ)，则会出现
10. Coverage
    覆盖均一性指的是读取在基因组或目标区域内的分布均一程度。覆盖越均匀，达到特定深度所需的测序就越少。覆盖均一性的偏向通常是在文库制备和文库扩增步骤中引入的。在很多时候，覆盖均一性表现出明显的GC偏向，也就是说，覆盖更少或更多，这取决于GC含量。
11. Target ratio
    在靶向捕获测序过程中，在设计探针的过程中，有一定的容错率，也即探针和靶区并不是100%匹配的，所以最后捕获的reads，与靶区间会有一定的偏差，捕获效率一般有两种表达方式，基于reads可以做到70%以上，而基于base可以做到50%以上。