FastQC是一个跨平台的应用程序，用java编写，它可以快速的对测序数据进行质量评估。理论上讲，它应该在java运行时环境下进行操作。该软件无需编译，可直接运行。

1.软件下载

FastQC下载地址：

http://www.bioinformatics.babraham.ac.uk/projects/download.html#fastqc

选择FastQC v0.11.9 (Win/Linux zip file)版本，使用以下命令行进行下载安装：

wget http://www.bioinformatics.babraham.ac.uk/projects/fastqc/fastqc_v0.11.9.zip

得到fastqc_v0.11.9.zip压缩包

解压：unzip fastqc_v0.11.9.zip

进入FastQC，并查看help文件:

cd FastQC

./fastqc -h

发现没有执行权限，使用下面命令增加可执行权限：

chmod 755 fastqc

再次查看help文件:

现在可以正常使用了。

现在给大家介绍一下该软件常用的几个主要参数：

-o –outdir：在指定的输出目录中创建所有输出文件，该目录必须存在

-t –threads：线程数

-f –format:输入文件格式，可以是bam,sam,bam_mapped,sam_mapped 和fastq这些格式的文件

将该软件加入环境变量之后，每次运行可以不加绝对路径。

今天我们以fastq文件格式为例: SRR7279481_1.fastq.gz和SRR7279481_2.fastq.gz

先创建输出结果所在目录: mkdir quality_control

运行fastqc:

fastqc -o ./quality_control -t 5 SRR7279481_1.fastq.gz SRR7279481_2.fastq.gz

运行结束后，生成两个压缩文件，两个.html网页文件

在浏览器中打开SRR7279481_1_fastqc.html,打开该文件，显示为这样：

FastQC report中summary为测序数据的整体质量情况：为合格，为警告，为不合格。接下来，对每个图进行简单介绍：

a.基本信息

Filename：进行质控的文件名

File type：文件类型

Encoding：测序平台的版本和相应的编码版本号

Total Sequences：reads数量

Sequences flagged as poor quality：标记为质量差的序列数目

Sequence length：测序长度

%GC：整体序列GC含量

#整体合格

b.序列测序质量统计

横轴表示被测序的序列从第1个碱基到第144个碱基序号，纵轴表示对应碱基的质量得分，20表示对应碱基错误率为0.01，30表示对应碱基错误率为0.01。图中蓝色实线表示各个碱基质量得分平均值的连线。

c.每条序列质量得分

横轴是0-36，代表Q值(序列的质量值)

纵轴代表每个Q值对应的reads数目，在Q=34时，对应reads数最多，结果合格。

d.碱基分布图

横轴是1-144 bp；纵轴是百分比，红线代表T,蓝线代表C,绿线代表A,黑线代表G,理论上A的含量等于T,C的含量等于G。该结构警告一次。

e.序列GC含量分布

横轴表示平均GC含量百分比，纵轴表示特定GC含量百分比下对应的reads数量。蓝线为理论分布，红线为实际分布，两者越接近越好。该结果不合格。

f. N含量

当测序仪器对某条reads某个位置不能对应到ATCG上时，便会产生“N”,统计所有reads每个位置“N”的比例。

g.序列长度分布

测序仪每次测出来的长度在理论上应该是完全相等的，但是总会有一些偏差。该结果警告一次，结果不太理想。图中表示150bp是主要长度，但也存在其它长度。

h.重复序列水平

统计重复序列的频率。横坐标是序列重复的次数，纵坐标是重复序列的数目。红线表示重复序列，蓝线表示总的序列。

i. 过表达序列

如果有某个序列大量出现，就叫做 over-represented。

j.接头含量

横轴是1-139 bp；纵轴是adapter百分比

大家对测序数据质控如果有什么问题，可以私我。欢迎提问，交流。