MultiQC用于对测序数据进行质量评估，但它不同于FastQC之类的软件，FastQC只能对单个样本进行评估生成报告，而MultiQC能将fastqc生成的多个报告整合成一个报告（HTML和PDF格式），方便的查看所有测序数据的质量，同时还支持多种分析类型的质控结果查看，如：RNAseq、Whole-Genome Seq、Bisulfite Seq、Hi-C和MultiQC_NGI等。
安装
MultiQC的使用基于Python，所以需要先安装conda和pip，因为我之前已经安装好了，所以这里直接安装MultiQC
conda install -c bioconda multiqc
multiqc .
结果
3.PNG
运行
当前文件夹下有两个待分析的fq.gz文件
4.PNG
先用fastqc进行质量控制
fastqc test_7942raw_1.fq.gz test_7942raw_2.fq.gz
ls ##查看产生的新文件
结果
5.PNG
.html文件可以下载到window版本下用浏览器打开查看，它是fastqc分析的结果
接下来我们用multiqc分析用之前的fastqc分析出来的fq.gz文件
multiqc test_7942raw_1_fastqc.zip test_7942raw_2_fastqc.zip
结果
6.PNG
7.PNG
我们将multiqc_report.html 下载到本地用浏览器查看
结果分析
一 .General Statistics:质量评估整合统计表
%Dups：重复reads的比例
%GC：GC含量占总碱基的比例，比例越小越好
M Seqs：总测序量（单位：millions）
8.PNG
二 .FastQC
1 .Sequence Quality Histograms ：每个read各位置碱基的平均测序质量
横坐标：碱基的位置
纵坐标：质量分数，质量分数=-10log10p（p表示错误率），当质量分数为40的时候，p=0.0001。此时说明测序质量非常好。
fastqc_per_base_sequence_quality_plot.png
当曲线在绿色区间时说明数据质量非常好，橙色区间说明数据质量一般，红色区间说明数据质量不合格。可以看到我们的数据质量很好。
2 .Per Sequence Quality Scores：具有平均质量分数的reads的数量
横坐标：平均序列质量分数
纵坐标：reads数
10.png
当曲线在绿色区间时说明数据质量非常好，橙色区间说明数据质量一般，红色区间说明数据质量不合格
3 .Per Base Sequence Content ：所有reads各位置碱基ATCG的分布
横坐标：碱基位置
纵坐标：碱基含量（%）
11.PNG
正常情况下每个位置每种碱基出现的概率是相近的，四条线应该平行且相近。当部分位置碱基的比例出现偏离bias（偏离）时，即四条线在某些位置纷乱交织，往往提示我们有overrepresented sequence的污染。当所有位置的碱基比例一致地表现出bias时，即四条线平行但分开，往往代表文库有bias，或者是测序中的系统误差。比如在我们样本的开头就可能存在overrepresented sequence污染。
A/T比例与G/C比例在任何位置的差值大于10%——warning
A/T比例与G/C比例在任何位置的差值大于20%——fail
4 .Per Sequence GC Content ：reads的平均GC含量
横坐标：GC含量百分比
纵坐标：数量
fastqc_per_sequence_gc_content_plot.png
正常的样本的GC含量曲线会趋近于正态分布曲线，曲线形状的偏差往往是由于文库的污染或是部分reads构成的子集有偏差造成的。
5 .Per Base N Content ：每条reads各位置N碱基含量比例
横坐标：read中的位置
纵坐标：N的数量比
fastqc_per_base_n_content_plot.png
当测序仪器不能辨别某条reads的某个位置到底是什么碱基时，就会产生“N”，对所有reads的每个位置，统计N的比率。正常情况下，N值非常小。我们的结果中显示N值只在开头有，并且值很小。
6 .Sequence Length Distribution：reads长度分布
从结果可以看到我们reads的长度为150bp
12.PNG
当reads长度不一致时报”WARN”；当有长度为0的read时报“FAIL”。
7 .Sequence Duplication Levels：每个序列的相对重复水平
横坐标：每个序列的相对重复水平
纵坐标：在文库中的比例
fastqc_sequence_duplication_levels_plot.png
测序深度越高，越容易产生一定程度的duplication，这是正常的现象，但如果duplication的程度很高，就提示我们可能有bias的存在。再结合前面的质量分析来看我们的reads开头的质量不是很好。
8 .Overrepresented sequences：文库中过表达序列的比例
overrepresented sequences:某个大量出现的序列
13.PNG
一个转录组中有很多的转录本，一条序列再怎么多也不太会占整个转录组的一小部分（比如1%），如果出现这种情况，不是这种转录本巨量表达，就是样品被污染。可以看到我们的结果显示Overrepresented sequences的比例<1%
9 .Adapter Content 接头含量
横坐标：碱基位置
纵坐标：接头占序列的百分比，>5%——warning，>10%——fail
fastqc_adapter_content_plot.png
从结果看我们的reads的接头含量理想。如果结果不理想后续我们还需要去除接头和质量不好的reads，去污染等操作来进行数据过滤。
遇见的问题
multiqc .指令需要在fsatqc的文件夹下执行，否则会报错。如图
1.PNG
2.PNG
网友评论