求可检测编码外显子与内含子/基因间区reads比对比例的RNA-Seq质控工具

Hey there! 刚好我对这类RNA-seq质控工具比较熟悉，给你推荐几个能满足需求的工具，附上手的使用方法：

1. FeatureCounts（Subread套件） #

这是我日常用得最多的工具之一，轻量高效，专门用来统计比对到基因组特征区域的reads数。

• 核心能力：支持GTF/GFF注释文件，能精准统计比对到外显子、内含子、基因间区等区域的reads数量
• 操作步骤：
  1. 先用FeatureCounts统计外显子的reads总数：

     featureCounts -a your_annotation.gtf -o exon_counts.txt -t exon -g gene_id your_alignment.bam
     

     输出文件里的最后一列是每个基因的外显子reads数，把这些数值求和就是总外显子reads数
  2. 用samtools统计总比对reads数：

     samtools view -c -F 4 your_alignment.bam
     

  3. 内含子+基因间区的reads数 = 总比对reads数 - 外显子总reads数，之后就能算出你需要的比值了

2. Qualimap RNA-seq模块 #

如果你想要可视化的报告，Qualimap绝对是首选——它会自动生成详细的HTML报告，里面直接包含各个基因组区域的reads占比，不用手动计算比值。

• 核心能力：一键生成质控报告，包含外显子、内含子、基因间区、UTR等区域的reads统计及占比
• 操作命令：

  qualimap rnaseq -bam your_alignment.bam -gtf your_annotation.gtf -outdir qualimap_rna_results
  

  跑完之后打开结果目录里的report.html，在"Genomic origin of reads"部分就能看到你需要的比例数据

3. HTSeq-count #

这是一个基于Python的工具，适合喜欢用脚本化方式处理的用户，同样支持GTF注释统计区域reads数。

• 操作步骤：
  1. 运行统计命令：

     htseq-count -f bam -r pos -s no your_alignment.bam your_annotation.gtf > all_counts.txt
     

  2. 从输出文件里提取外显子相关的reads数（文件里每一行对应一个基因的外显子reads），求和后按之前的方法计算比值

额外小技巧 #

如果需要更自定义的区域划分（比如只统计特定类型的内含子），可以先用GTF文件提取出对应区域的BED文件，再用bedtools intersect统计：

# 用gtfToBed工具把GTF转成BED格式
gtfToBed your_annotation.gtf your_annotation.bed
# 提取外显子BED（可根据GTF的feature类型筛选）
awk '$3=="exon"' your_annotation.bed > exons.bed
# 统计比对到外显子的reads数
bedtools intersect -abam your_alignment.bam -b exons.bed -c | awk '{sum+=$NF} END {print sum}'

内容的提问来源于stack exchange，提问作者svural