shield_lock
金大哥
← 返回 Skill 列表
extension
分类: 数据与分析无需 API Key

FastQC 报告解读器

分析 FastQC 质量控制报告，用于评估下一代测序（NGS）数据质量并识别问题。适用于 RNA-seq、DNA-seq 和 ChIP-seq 数据的质量指标解读和可操作性建议。触发短语："解读 FastQC 报告""分析测序质量""NGS 质量控制""FastQC 结果分析"。

person作者: aipoch-aihubclawhub
open_in_new仓库download下载资源包

FastQC 报告解读器

分析 FastQC 质量控制报告，评估 NGS 数据质量并提供可操作性建议。

快速检查

python -m py_compile scripts/main.py
python scripts/main.py --help

适用场景

  • 分析 NGS 测序数据的 FastQC 质量报告
  • 识别测序数据质量问题
  • 故障排查测序问题
  • RNA-seq、DNA-seq、ChIP-seq 数据质量评估

核心功能

1. 质量指标分析

关键指标阈值：

| 指标 | 优秀 (Good) | 警告 (Warning) | 失败 (Fail) | |------|-------------|----------------|-------------| | Per base sequence quality | Q > 28 | Q 20-28 | Q < 20 | | Per sequence quality scores | Peak at Q30 | Peak Q20-30 | Peak < Q20 | | Per base N content | < 5% | 5-20% | > 20% | | Sequence duplication | < 20% | 20-50% | > 50% | | Adapter content | < 5% | 5-10% | > 10% |

2. 问题诊断

常见问题及解决方案：

Read 末端低质量

  • 原因：相位效应、试剂耗尽
  • 解决方案：修剪最后 10-20 个碱基

Adapter 污染

  • 原因：Adapter 去除不完全
  • 解决方案：使用更严格参数重新运行 cutadapt/Trimmomatic

高重复率

  • 原因：PCR 过度扩增、低起始量
  • 解决方案：使用去重工具；优化文库制备

Per Base Sequence Content 偏差

  • 原因：Adapter dimers、非随机引物
  • 解决方案：检查 adapter 污染；随机化引物

3. 批量分析

支持批量处理多个 FastQC 报告，生成汇总 CSV 文件。

4. 应用特定阈值

不同应用的质量要求：

  • RNA-seq：可接受高达 40% 的重复率（转录本丰度差异）
  • DNA-seq：严格质量要求（变异检测需要）
  • ChIP-seq：中等质量，关注富集指标

使用方法

# 分析单个报告
python scripts/main.py --report sample_fastqc.json

# 演示模式
python scripts/main.py --demo

# 批量分析（计划功能）
# python scripts/main.py --batch "*fastqc.html" --output report.pdf

# 指定应用类型（计划功能）
# python scripts/main.py --report fastqc.json --application rna_seq

输出解读

PASS (绿色 ✓)：可以继续分析
WARNING (黄色 ⚠)：需要审查但通常可接受
FAIL (红色 ✗)：下游分析前需要处理

示例输出

============================================================
FASTQC REPORT INTERPRETATION
============================================================

✓ Per Base Quality
   Status: GOOD
   High quality reads
   Recommendations:
      • No specific recommendations

⚠ Gc Content
   Status: WARNING
   Slightly abnormal GC
   Recommendations:
      • Check GC bias in downstream analysis

✗ Duplication Levels
   Status: FAIL
   High duplication - check PCR cycles
   Recommendations:
      • Reduce PCR cycles in library prep
      • Consider starting with more input material

============================================================

质量模块说明

1. Per Base Sequence Quality

每个位置的碱基质量分数

  • Good: Q > 28，高质量测序
  • Warning: Q 20-28，可接受质量
  • Fail: Q < 20，需要修剪

2. Per Sequence Quality Scores

整体序列质量分数分布

  • Good: 峰值在 Q30，优秀整体质量
  • Warning: 峰值 Q20-30，良好质量
  • Fail: 峰值 < Q20，检查系统性问题

3. GC Content

GC 含量分布

  • Good: 偏差 < 5%，正常 GC 分布
  • Warning: 偏差 5-10%，轻微异常
  • Fail: 偏差 > 15%，可能污染或偏差

4. Adapter Content

Adapter 序列残留

  • Good: < 5%，最小 adapter 污染
  • Warning: 5-10%，存在部分 adapter
  • Fail: > 10%，显著污染，需要修剪

5. Duplication Levels

序列重复水平

  • Good: < 20%，低重复，文库复杂度好
  • Warning: 20-50%，中等重复
  • Fail: > 50%，高重复，检查 PCR 循环数

故障排查指南

平台特异性问题

Illumina

  • 质量在 read 末端下降是正常现象
  • 前几个碱基的序列偏差可能源自随机引物

PacBio / Oxford Nanopore

  • 整体质量分数较低是正常的
  • 关注 read 长度分布而非质量分数

文库制备问题诊断

高 adapter 含量

  • 检查 adapter 去除步骤
  • 验证 insert size 是否足够

高 GC 偏差

  • PCR 扩增偏好性
  • 可能的物种污染

高重复率

  • 减少 PCR 循环数
  • 增加起始 DNA/RNA 量
  • 使用 UMI（Unique Molecular Identifiers）

下游分析影响评估

| 问题 | 对变异检测的影响 | 对表达定量的影响 | 对组装的影响 | |------|-----------------|----------------|-------------| | 低质量碱基 | 假阳性增加 | 定量偏差 | 组装碎片化 | | Adapter 污染 | 比对率下降 | 计数错误 | 嵌合 contigs | | 高重复率 | 覆盖度偏差 | 定量偏差 | 组装深度不均 | | GC 偏差 | 覆盖度不均 | 定量系统误差 | 区域缺失 |

推荐的处理流程

  1. 质量修剪：Trimmomatic、cutadapt、fastp
  2. Adapter 去除：cutadapt、Trim Galore
  3. 去重：Picard MarkDuplicates、samtools rmdup
  4. 质量过滤：PRINSEQ、FastQC 后过滤

风险评估

| 风险指标 | 评估 | 级别 | |---------|------|------| | 代码执行 | Python 脚本本地执行 | 中 | | 网络访问 | 无外部 API 调用 | 低 | | 文件系统访问 | 读取输入文件，写入输出文件 | 中 | | 指令篡改 | 标准提示指南 | 低 | | 数据暴露 | 输出文件保存至工作区 | 低 |

先决条件

无需安装额外 Python 包（仅使用标准库：argparse、json）。

生命周期状态

  • 当前阶段：Draft
  • 下次审查日期：2026-03-06
  • 已知问题：批量分析和应用特定阈值功能待实现
  • 计划改进：
    • 支持直接解析 HTML 报告
    • 批量分析功能
    • 应用特定阈值
    • PDF 报告生成

相关资源