转录组分析 | 使用RSeQC软件对生成的BAM文件进行质控

首先介绍一下RSeQC这个软件

一.RSeQC介绍

RSeQC是发表于2012年的一个RNA-Seq质控工具，属于python包。它提供了一系列有用的小工具能够评估高通量测序尤其是RNA-seq数据，比如一些基本模块，检查序列质量, 核酸组分偏性, PCR偏性, GC含量偏性,还有RNA-seq特异性模块: 评估测序饱和度， 映射读数分布， 覆盖均匀性， 链特异性， 转录水平RNA完整性等。该软件的使用命令非常多，但很多功能并不是用来诊断转录组测序的，所以不在我们的考虑范围内。你可以参考官方教程文档：

https://pythonhosted.org/RSeQC/#bam2fq-py

RSeQC接受4种文件格式:

• BED 格式: Tab 分割, 12列的表示基因模型的纯文本文件
• SAM 或BAM 格式: 用来存储reads 比对结果信息.
• 染色体大小文件: 只有两列的纯文本文
• Fasta文件的参考基因组

二. 使用bam_stat.py命令查看比对的总体情况

用 bam_stat.py来统计总比对记录, PCR重复数, Non Primary Hits表示多匹配位点, 不匹配的reads数, 比对到+链的reads, 比对到-链的reads, 有剪切位点的reads等。

我们查看前面产生的文件CK-4_sort.bam【文章:转录组分析 | 使用SAMtools将SAM文件转换为BAM文件、排序、建立索引】。

bam_stat.py -i cleandata/samtools_bam/CK-4_sort.bam

三.使用read_distribution.py命令查看基因组覆盖率

该命令需要输入两个文件， -i为BAM或SAM文件；-r为参考的bed文件。

bed文件参考文章：生信中常见的数据文件格式。bed文件下载地址RSeQC官网：https://sourceforge.net/projects/rseqc/files/BED/，我这里下载的是小鼠的：https://sourceforge.net/projects/rseqc/files/BED/Mouse_Mus_musculus/

下载后解压上传到Linux服务器中，我的bed文件在 /data/mouse_RefSeq/ 这个目录下。

ll -h /data/mouse_RefSeq/

read_distribution.py -i cleandata/samtools_bam/CK-4_sort.bam -r /data/mouse_RefSeq/mm10_RefSeq.bed

组学分析流程的每一个步骤都很重要，实验设计，质控，read比对，表达定量，可视化，差异表达，识别可变剪切，功能注释，融合基因检测，eQTL定位等都需要考虑。我们后面介绍：使用Stringtie对数据进行下游处理。

为了快速查看本公众号文章，可阅读文章：公众号文章目录

参考：https://mp.weixin.qq.com/s/KpQwwDm_aIvIbxXHiaNrLg