外觀
鹼基品質分數 (Base Quality Scores)
定序儀為每個鹼基估計「讀錯的機率」,以 Phred 分數表示,存在 FASTQ 第 4 行。它影響修剪、比對信心與變異呼叫:GATK 等工具會用鹼基品質為每個支持 read 加權。
Phred 分數
| Q | 錯誤率 | 準確度 | 意義 |
|---|---|---|---|
| 10 | 1 / 10 | 90% | 很差 |
| 20 | 1 / 100 | 99% | 常見的修剪下限 |
| 30 | 1 / 1,000 | 99.9% | Illumina 規格常以「% ≥ Q30」表示 |
| 40 | 1 / 10,000 | 99.99% | 很好 |

Q 每增加 10,錯誤率降為十分之一。一條 150 bp、平均 Q30 的 read,預期約 0.15 個錯誤鹼基。
ASCII 編碼 (Phred+33)
FASTQ 用一個字元代表一個品質分數:字元的 ASCII 碼 − 33 = Q。
| 字元 | ! | # | + | 5 | ? | F | I |
|---|---|---|---|---|---|---|---|
| ASCII | 33 | 35 | 43 | 53 | 63 | 70 | 73 |
| Q | 0 | 2 | 10 | 20 | 30 | 37 | 40 |
python
qual = "II5#?F"
[ord(c) - 33 for c in qual] # [40, 40, 20, 2, 30, 37]舊的 Illumina 1.3–1.7 資料使用 Phred+64(
@起算),誤當成 +33 會得到過高的分數;現行資料都是 +33。#(Q2)常出現在 read 尾端,代表該段品質不可信。
品質分箱 (Quality Binning)
新型 Illumina 儀器不輸出 0–41 的完整分數,而是分成少數幾個等級以縮小檔案,例如 NovaSeq 6000(RTA3)只有 4 個值:#、-、8、F,即 Q2 / 12 / 23 / 37;較早的 HiSeq X / NextSeq 為 7–8 個。看到 FastQC 的品質圖呈階梯狀是正常的。
品質下降的型態
| 型態 | 可能原因 | 處理 |
|---|---|---|
| read 尾端逐漸下降 | 定序化學的相位誤差 (phasing) 累積,正常 | 修剪尾端(見 fastp) |
| 特定 cycle 突然下降 | 儀器問題、氣泡、試劑 | 查看 run 的 tile 品質;嚴重時重跑 |
| R2 整體比 R1 差 | 正常現象 | 依 R2 調整修剪 |
| 整個 run 品質偏低 | cluster 密度過高或過低、library 品質差 | 與定序中心確認 run 指標 |
| 低品質 + polyG 尾巴 | 2-color 化學無訊號被讀成 G | --trim_poly_g(見 Illumina 2-color 化學) |
品質在下游的用途
| 步驟 | 怎麼用鹼基品質 |
|---|---|
| 修剪 | 低於閾值的尾端或 read 丟棄 |
| 比對 | 錯配發生在低品質鹼基時罰分較低 |
| BQSR(GATK) | 用已知變異位點以外的錯配,重新校正儀器回報的品質分數 |
| 變異呼叫 | 低品質鹼基的貢獻被降權;samtools mpileup / sambamba depth -q 可直接排除 |
儀器回報的 Q 是預測值,不一定準確;BQSR 的目的就是讓它更接近實際錯誤率。參考:Illumina Q-score 技術說明。在 R 中讀取與轉換見 Bioconductor:ShortRead。