博文
整合QC质控结果的利器——MultiQC
|||
一、MultiQC介绍
NGS技术的进步催生了新的实验设计、分析类型和极高通量测序数据的生成。对于这些数据的质量评估，每一步分析结果的评估是后续结果可信度的衡量和保障。不少生信工具都可以给样品生成一个评估结果，如FastQC、Qualimap 和RSeQC等 (39个转录组分析工具，120种组合评估)。但是这时又出现了一个难题，那就是几乎所有的质控工具都是针对单个样本生成一个报告，这就要求用户自己去逐一查找各个QC结果，这无疑是个十分耗时、重复又复杂的事，而且还不能快速看出所有样本的异同。
那能否把所有质控结果整合在一起呢？可以自己写程序造轮子（我们之前就是这么做的）。但现在有了MultiQC，基于Python的小工具很好地解决了这个繁琐的事情，其强大的功能主要体现在以下三个方面：
1）能将测序数据的多个QC结果整合成一个HTLM网页交互式报告，同时也能导出pdf文件；
2）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；
3）支持整合68种软件分析的结果，而且支持的软件还在持续增加，也可以自己写作一个插件，具体见下图。
二、安装MultiQC
依赖python2.7+, 3.4+ 或者 3.5+
# pip安装 pip install git+https://github.com/ewels/MultiQC.git #Installation with pip # conda安装 conda install -c bioconda multiqc # Installing with conda
三、运行MultiQC
直接指定MultiQC要分析的文件路径即可，若数据在当前目录下输入multiqc .即可。
multiqc . multiqc data/ multiqc data/ ../proj_one/analysis/ /tmp/results multiqc data/*_fastqc.zip multiqc data/sample_1*
使用--ignore忽略掉某些文件
multiqc . --ignore *_R2* multiqc . --ignore run_two/ multiqc . --ignore */run_three/*/fastqc/*_R2.zip
四、MultiQC报告解读（以RNA-Seq数据为例）
1. General Statistics
每一个样本reads数量、比对层面的质量评估整合统计表，点击Configure Columns可以选择显示或不显示某些项。点击Plot可以绘图。
点击Configure Columns选择展示哪些项
点击Plot可以对任意两种属性的评估结果做交互式二维图，若各样本均一性好，散点会比较集中，反之会出现某些离散的点，这样方便查看某些指标异常的离群样本。
2. featureCounts
利用featureCounts工具计算每个基因外显子的reads数的结果展示。featureCounts不仅可以支持gene的定量，也支持exon, gene bodies, genomic bins, chromsomal locations的定量。功能类似的软件是HTSeq。
软件官网：http://bioinf.wehi.edu.au/featureCounts/
3. STAR
基于STAR比对工具的分析结果，STAR会将没有paired mapping的reads都剔除，避免single reads比对到基因组上；并且STAR对lower-quality（采用more soft-clipped和错配碱基）比对有较高的容忍度。
软件官网：https://github.com/alexdobin/STAR
更多分析工具比较见：转录组分析工具大比拼
4. Cutadapt
用cutadapt软件来对双端测序数据进行预处理，去除接头和低质量碱基。
对测序数据进行过滤时cutadapt对测序数据进行识别、剪切并去除adapters, primers , poly_A等序列，移除被adapter污染的reads部分（指由于插入片段长度不够，测序仪读到的测序引物等序列）。具体见NGS基础 - 高通量测序原理。
软件官网：https://cutadapt.readthedocs.io/en/stable/
5. FastQC
MultiQC将fastqc工具分析得到的10个结果分别整合成一个模块，集中查看。
软件官网：http://www.bioinformatics.babraham.ac.uk/projects/fastqc/
具体的关于FastQC报告解读可以见历史推文：NGS基础 - FASTQ格式解释和质量评估
MultiQC的可定制性也比较强，更多功能值得进一步探索。
转录组研究
NGS基础和软件应用
https://blog.sciencenet.cn/blog-118204-1150311.html
上一篇：生物信息学数据库分类概览 (第一版)
下一篇：12个ggplot2扩展包帮你实现更强大的可视化
