fastq文件在經過fastqc文件質檢后，一般都會生成一個網頁版的文件，我們可以根據文件來分析我們的測序結果的好壞，前提是我們能夠讀懂這個文件中顯示的內容，接下來我們主要解讀一下每一張圖所代表的信息。

1 首先我們看一下左邊的summary：綠色代表PASS；黃色代表WARN；紅色代表FAIL。當出現黃色時說明需要查看結果。

2?Basic Statistics

Basic statistics是該fastq一些基本信息，主要?

Filename:文件名

File type: 文件類型

Encoding：測序平臺的版本和相應的編碼版本號，用于計算Phred反推error P時用

Total Sequences: 輸入文本的reads的數量

Sequence length: 測序長度

%GC: GC含量，表示整體序列的GC含量，由于二代測序GC偏好性高，且深度越高，GC含量會越高。

3.Per base sequence quality

橫軸為read長度，縱軸為質量得分，Q = -10*log10（error P）。柱狀表示該位置所有序列的測序質量的統計，柱狀是25%~75%區間質量分布，error bar是10%~90%區間質量分布，藍線表示平均數。一般要求所有位置的10%分位數大于20，即大于最多允許該位置10%的序列低于Q20。當任何堿基質量低于10，或者任何中位數低于25報WARN,需注意；當任何堿基質量低于5或者任何中位數低于20報FAIL。

4.Per base sequence content

統計在序列中的每一個位置，四種不同堿基占總堿基數的比例，檢測有無AT、GC分離的現象。橫軸為位置，縱軸為百分比。正常情況下四種堿基出現的頻率應是接近的，且沒有位置差異，因此好的樣品中四條線應該是平行且接近的，由于剛開始測序儀狀態不穩定，造成前幾個堿基有波動。在reads 開頭出現堿基組成偏離往往是我們的建庫操作造成的，比如建 GBS 文庫時在 reads 開頭加了 barcode；barcode的堿基組成不是均一的，酶切位點的堿基組成是固定不變的，這樣會造成明顯的堿基組成偏離；在 reads結尾出現的堿基組成偏離，往往是測序接頭的污染造成的。當所有位置的堿基比例一致現出偏差時，即四條線平行且分開，代表文庫有偏差，或測序中的系統誤差；當部分位置堿基的比例出現偏差時，即四條線在某些位置紛亂交織，則有overrepresented?sequence的污染。當任一位置的A/T比例與G/C比例相差超過10%，報"WARN"；當任一位置的A/T比例與G/C比例相差超過20%，報"FAIL"，我這里的數據就不是很好。

5.Per sequence GC content

橫軸表示GC含量，縱軸表示不同GC含量對應的read數，藍線是理論分布（正態分布，通過從所測數據計算并構建理論分布），紅色是實際情況，兩個比較接近判為好的。曲線形狀的偏差往往是由于文庫的污染或是部分reads構成的子集有偏差（overrepresentedreads）；形狀接近正態分布但偏離理論分布的情況提示我們可能有系統偏差；如果出現兩個或多個峰值，表明測序數據里可能有其他來源的DNA序列污染，或者有接頭序列的二聚體污染。偏離理論分布的reads超過15%時，報"WARN"；偏離理論分布的reads超過30%時，報"FAIL"。

6.Per base N content

當出現測序儀不能分辨的堿基時會產生N，橫軸為堿基分布，縱軸為N比率，當任一位置N的比率超過5%報WARN，超過20%報FAIL。我這里幾乎沒有。

7.Sequence Length Distribution

理論上每次測序儀測出的read長度是一致的，但是由于建庫等因素通常會導致一些小片段，如果報FAIL，表明此次測序過程中產生的數據不可信。

8.Sequence Duplication Levels

統計序列完全一致的reads的頻率，橫軸表示重復的次數，縱軸表示重復的reads的數目。一般測序深度越高，越容易產生一定程度的重復序列。

9.Overrepresented sequences

當有某個序列大量出現時，超過總reads數的0.1%時報WARN，超過1%時報FAIL。

10.Adapter Content

橫軸表示堿基位置，縱軸表示百分比。當fastqc分析時沒有選擇參數-a adapter list時，默認使用圖例中的4種通用adapter序列進行統計。若有adapter殘留，后續必須去接頭。