关于NGS数据处理中的PCR Duplicate

Posted 2023-04-22

参考技术A 在做转录组数据分析质控那一项的过程中，利用Fastqc质检得到的html结果文件中会出现一项指标——Sequence Duplication levels。具体可以参考 fastQC对RNA-seq质控 。这项指标统计了reads的重复水平。其中就谈到，如果折线图重复出现峰值，就可能是建库过程中PCR导致的duplication过多。 PCR duplication 也就是多个一模一样的reads(匹配到基因组的起始，终止位置相等，碱基序列相同，在同一条链上）是由于在建库过程中，由于本身提的RNA量比较少，需要PCR扩增才能进行后续的测序。因此，duplicates的出现是非常正常的。但是对于不同的技术，是否需要remove duplicates在网上讨论的非常多。下面是我的一点总结和思考：

在建库过程中，严格控制PCR的循环数，一般控制在6以内，在保证得到足够的测序所需的量的同时又保持文库足够的复杂性，将PCR duplicates rates 保持在低于4%的水平，所以获得足够多的DNA/RNA的量就能在很低的循环数下达到测序所需的量。本段内容参考 lCureFFl.org

在 biostars 和 seqanswer 都有讨论，总结如下：
在RNA-seq情况中，有重复片段，更有可能是一些基因有着很高的表达量。因此一般不处理，但是如果有证据证明确实是PCR duplicate而不是高表达的基因，那么就可以去除，能够去除重复的质控软件可以参考这篇 hope 。

ChIP-seq中出现的duplicates,两种情况

全基因组重测序（WGS）中，如果要检测SNV（single nucleotide variant），如果PCR duplicates很多，就会影响检测的准确度。具体参考 stackchange 和 知乎 中的回答。

网上还有其他人做的分析与总结，也是不错的，可以参考 sam'note

Windows 中的 TPM PCR 生成

【中文标题】Windows 中的 TPM PCR 生成

【英文标题】：TPM PCR Generation in Windows

【发布时间】：2013-10-11 09:20:54

【问题描述】：

我有一台带有 TPM 的机器，我在上面运行 Windows 7。 我有一段代码，我想运行它并获取当时的 PCR 寄存器值。 我该怎么做？

其次，如果我在其他机器上运行相同的代码，我可以获得相同的 PCR 值吗？如果我不能，那么有没有办法得到它？

-------------- 编辑版本如下----------

场景如下， 我有一个用 C++ 编写的可执行代码（例如一个简单的纸牌游戏）。 我想在我的电脑上运行这个文件。 我想获得 PCR 值。 Windows平台有24个PCR寄存器，现在哪个寄存器有我正在运行的文件（游戏）的hash？

【问题讨论】：

请更具体一点。您希望您的一段代码 读取 PCR 吗？在这种情况下，您使用哪种语言？如果不是，谁在触发 PCR 读取？提供有关您的架构的更多信息。您希望通过阅读 PCR 获得什么？

- 我想在我的代码在系统上运行时读取 PCR 值。 - 我的目标是在我的代码运行时查看 PCR 寄存器的值。

所以 1) 你想让你的 C++ 代码读取 PCR 值吗？ 2）我没有得到你编辑的第二部分。 在那些将用于我的文件的 24 个 PCR 寄存器值中是什么意思？

没有。第一件事是我只想查看存储在 PCR 寄存器中的值。

AFAIK 在tpm.msc 中没有内置支持。所以去吧，获取 jTSS + 工具并从命令行读取它。有一个pcr_read 命令。 （链接在答案中。）

【参考方案1】：

如果没有详细信息，我只能提供一般性答案。如果您提供更多详细信息，我将对其进行编辑。

读取 PCR

您可以使用一个低级 Windows API。看看这个问题及其答案： Controlling TPM with C#.

基本看TPM Base Services (TBS)的文档。您需要自己实现读取命令。

如果您有 Java 应用程序，请使用 JSR321 或 jTSS。

有TrouSerS for Windows的实验端口。

PCR 比较

PC 平台上的 TPM 将有 24 个 PCR。在几乎所有情况下，所有 24 的集合在两台不同的机器上都不相同。一般来说，您不能更改它的值，尤其是代表固件测量值的“lower”值。我想您正在寻找的是远程 PC 是否处于受信任状态的信息。那是圣杯。获取一些关于可信计算的文献并在网上搜索“可信计算 + 证明”。

【讨论】：

窗口中是否有任何高级命令可以检查显示 PCR 寄存器？