轉自 https://blog.csdn.net/gateswell/article/details/78858579
使用的是raw date數據，數據質量還是比較好的，不過要進一步用還是需要過濾。
拿到原始數據后我們采用fastqC程序進行質控，看原始數據質量情況，fastqC會生成一個html結果報告，根據圖形化界面，我們可以判斷下機數據情況是否符合分析要求，fastqC總結如下：
FastqC有3種結果：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。
Basic statistics是該fastq一些基本信息，主要有
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。
（最主要看得數據信息）
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。這個結果相對來說還是比較好的。
每個tail測序情況，橫軸表示堿基位置，縱軸表示tail的index編號，這個圖主要是為了防止在測序過程中某些tail受到不可控因素的影響而出現測序質量偏低，藍色表示測序質量很高，暖色表示測序質量不高。
當某些tail出現暖色，在后續的分析種把該tail測序結果全部去除。
橫軸表示Q值，縱軸表示每個值對應的read數目，當測序結果主要集中在高分中，證明測序質量良好。
橫軸為堿基長度分布，縱軸表示百分比，圖中4條線分別代表A，C，T，G在每個位置上的平均含量。由于測序平臺及測序長度不同，以及測序儀開始狀態不穩定經常出現前后波動情況。
橫軸表示GC含量，縱軸表示不同GC含量對應的read數，藍色為程序根據經驗分布給出的理論值，紅色是真實值，當紅色出現雙峰是表示混入了其他DNA序列。
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。
理論上每次測序儀測出的read長度時一致的，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。
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。
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。
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。
重復短序列出現的次數，這個是沒有經過clean的數據。
具體可像原文所說，查看具體信息：http://www.bioinformatics.babraham.ac.uk/projects/fastqc/Help/
