写在前面：最近很纠结于测序数据的重复率，虽然是单细胞会难免有bias，但是fastqc和fastp两款软件计算出来的dup%简直差太大了，琢磨了好久，看了fastp的文章才搞明白。
先说一下问题，我的这组数据fastqc报告的重复率特别高，但是fastp结果还好，如图：
multiqc-fastqc
fastp report(one sample)
为什么出现这个问题，到底哪个可信？
fastqc计算时，把read1和read2分开计算，各算各的；反应的只是一端，并不能代表整个insert 片段；
fastp计算时，把r1 r2都重复（也就是start，end，lengh）都相同才叫做dup，而如果两组paired reads，r1重复，而r2不一样，则不算dup！这也是为什么只有一个dup%！
在NGS中，paired reads中有一端与其他一样，另一端不同，是非常常见的，尤其是high depth sequencing.
所以，fastp计算比较合理，fastqc结果的重复率偏高。
附上fastp文章的解释：
Chen SF et al., Bioinformatics, 34, 2018, i884–i890
网友评论