Skip to content

基因體學 › NGS 品質指標 › 重複率

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 panel10–20%;深度越高越高越深定序越接近 library 的分子上限
RNA-seq20–60% 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。