外觀
重複率 (Duplication Rate)
重複 reads 是來自同一個原始 DNA 片段的多份拷貝。它們不提供獨立證據:一個 PCR 早期的錯誤被複製 10 次,看起來就像 10 條 reads 支持的變異。重複率反映 library complexity(library 裡有多少不同的分子)。
重複的種類
| 類型 | 成因 | 辨識方式 |
|---|---|---|
| PCR 重複 | library 擴增時同一片段被複製多份 | 比對起點、終點、方向都相同 |
| 光學重複 (optical) | 同一個 cluster 被影像辨識成兩個(相鄰位置) | 同上,且在 flow cell 上位置很近 |
| 圖案化 flow cell 重複 (ExAmp / pad hopping) | NovaSeq 等的分子跳到鄰近的 well | 同上,距離較遠;Picard 設 --OPTICAL_DUPLICATE_PIXEL_DISTANCE 2500 |
| 「自然」重複 | 高表現基因、短基因、amplicon:不同分子剛好起點相同 | 不是技術誤差,無法和 PCR 重複區分(除非用 UMI) |
合理範圍(粗略參考)
| 實驗類型 | 常見重複率 | 說明 |
|---|---|---|
| WGS(PCR-free) | < 5–10% | 偏高代表 library 起始量不足或 PCR 過多 |
| WES / capture panel | 10–20%;深度越高越高 | 越深定序越接近 library 的分子上限 |
| RNA-seq | 20–60% 甚至更高 | 高表現基因造成,屬正常;通常不去重複 |
| Amplicon panel | 接近 100% | 設計上所有 reads 起點相同;不能去重複 |
| cfDNA / 低起始量 | 高 | 用 UMI 區分真重複與獨立分子 |
重複率隨定序深度上升:同一個 library 定序越深,越多新 reads 只是在重讀已讀過的分子 (saturation)。Picard 的
ESTIMATED_LIBRARY_SIZE可用來判斷再加深定序還值不值得。
對分析的影響
| 影響 | 說明 |
|---|---|
| 有效深度降低 | 1000× 的原始深度、50% 重複 → 只有約 500× 的獨立證據 |
| 變異呼叫偽陽性 | PCR 錯誤被重複放大;germline / somatic 流程都需標記重複 |
| 低頻變異的 VAF 偏差 | 某個分子被擴增較多次,VAF 被扭曲;用 UMI consensus 修正 |
怎麼量
bash
picard MarkDuplicates -I in.bam -O dedup.bam -M metrics.txt # PERCENT_DUPLICATION、ESTIMATED_LIBRARY_SIZE
samtools flagstat dedup.bam # duplicates 一行fastp 報告的重複率是未比對前依序列估計的粗略值;以比對後的 Picard / samtools 數值為準。工具見 Picard MarkDuplicates;UMI 家族、raw vs unique depth 與一致序列見 UMI 與一致序列;FastQC 的 duplication 模組判讀見 FastQC。