fastqc结果中的Per sequence GC content, Sequence Duplication Levels 和 Overrepresented sequences

 

C含量分布图 Per sequence GC content

这个图理论上应该符合正态分布（也就是钟形曲线），除非有过表达的序列( over-represented sequences)[也就是在正态分布的基础上有一个尖尖的峰]，或者存在其他物种的污染[也就是多个峰]

从这个图中可以看到，这个应该是符合过表达序列的情况，说明要么存在序列污染，要么是有个特别高表达的基因

 

重复序列数 Sequence Duplication Levels

这个图可以帮助判断文库的复杂程度，如果PCR扩增次数太多或者起始扩增底物太少，都会降低文库的复杂度。

这个图中可以看到，似乎有大量的重复序列，也就是说文库复杂程度低，可能与某个基因的过表达有关

 

过表达序列表 Overrepresented sequences

这个表的作用也非常重要！

它展示了长度至少20bp，数量占总数0.1%以上的reads碱基组成，它可以帮助判断污染(比如：载体、接头序列)

如果上面的GC含量分布图"挂了"，这个表可以帮助我们判断来源，如果是已知的载体或者接头，它会列出来；如果不是，可以复制序列去blast。

比如这里就可以去复制表达最多的第一条序列去blast，然后发现它其实是一个基因，于是可以验证之前的猜想：基因过表达

来源：

https://www.jianshu.com/p/efb1fd3fa390