Skip to content

基因體學 › NGS 品質指標 › 鹼基品質分數

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=−10log10⁡PerrorPerror=10−Q/10
Q錯誤率準確度意義
101 / 1090%很差
201 / 10099%常見的修剪下限
301 / 1,00099.9%Illumina 規格常以「% ≥ Q30」表示
401 / 10,00099.99%很好

Phred 分數與錯誤率

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?FI
ASCII33354353637073
Q021020303740
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。