RNA-Seq数据质控(RSeQC)

RNA-Seq质控（RSeQC）

RNA-seq提供了有关基因组中所有转录元件的有价值的信息，已经被广泛地用于转录组研究。使用RNA-seq,研究者能够描述基因表达谱，研究选择性剪接、鉴定新的转录本，检测异常转录本及编码变异等。质量控制（Quality Control，QC）对于保证RNA-seq高质量且适合随后分析是至关重要的。我们使用RSeQC程序包全面地评估RNA-seq结果质量，例如序列质量、GC偏倚、PCR偏倚、核苷酸组成偏倚、序列深度、链特异性、覆盖均一性，和基因组结构上的片段分布等，以确保后续分析的可靠性。

基于原始测序数据的质控（例如FastQC）不足以保证RNA-seq数据的可用性。

测序深度必须饱和，以便执行许多RNA-seq应用，例如表达谱，选择性剪接分析，新亚型（isoform）鉴定，转录组重建等。非饱和测序深度给出不准确的评估（例如RPKM和剪接索引），不能检测低丰度剪接联结点（splice junctions），因此限制了 许多分析的准确性。

有许多工具，例如FastQC（http://www.bioinformatics.babraham.ac.uk/projects/fastqc/）、htSeqTools，FASTX-ToolKit（http://hannonlab.cshl.edu/fastx_toolkit）和SAMStat，但是都集中于原始序列相关的度量。RNA-SeQC缺乏许多重要的功能，例如饱和性检查。 RSeQC被开发以解决这些需求。

基本模块快速检查：序列质量、核苷酸组成偏倚、PCR偏倚和GC偏倚。 RNA-seq特异模块：

1）bat_stat.py 比对片段检查（QC失败、unique mapped、splice mapped、mapped到合适对的reads等）

2）inner_distance.py 配对reads间的内部距离分布，应该与割胶大小匹配。 3）geneBody.coverage.py

将所有转录本缩放到100 nt，并计算每个核苷酸覆盖的reads数，最后计算

出一个沿gene body的覆盖谱。

4）read_distribution.py 计算比对到编码exons、5’UTR exons、3’UTR exons、introns和intergenic区的read比例。例如对于polyA+ RNA-seq的实验方案，reads倾向于在3’UTR过代表。

5）RPKM_saturation.py 通过对总的比对reads重采样（jackknifing），评估在当前测序深度下的RPKMs。

使用相对错误率来测量评估的RPKM的准确性（100x|RPKMobs-RPKMreal|/RPKMreal）

6) junction_saturation.py

判断当前测序深度是否足够用来执行选择性剪接分析。

7）infer_experiment.py 通过对BAM文件进行采样，判断测序是否是链特异的，若是的话，是怎么分布的。

8）junction_annotation.py 将所有检测到的splice junction分为known, complete novel和partial novel（与ref genome相比）。

9) RPKM_count.py计算原始reads计数和RPKM值（每个exon、intron及mRNA区） 10）bam2wig.py 将BAM文件转成wiggle文件以可视化。Wiggle能容易地转成bigwig（用UCSC的wigToBigWig工具）

下载：

http://code.google.com/p/rseqc/