核对一批 RNA-seq 数据时，我发现 AKAP17A 在所有样本中都低于 1 TPM。这很容易被解释成“这个细胞里本来就不表达”，但比对文件里明明有大量 reads。继续追查后才发现：低表达不是生物学现象，而是定量流程制造的假象。
问题出在哪
AKAP17A 位于 X 染色体的假常染色体区 PAR1。PAR1 在 X 和 Y 染色体上各有一份，序列几乎无法区分。
图源：Olney et al., 2020, Fig. 1，原图未改动，按 CC BY 4.0 使用。
如果参考基因组同时保留 chrX 和 chrY 的 PAR 序列，同一条 read 就会比到两个位置。HISAT2 因此把它标成低 MAPQ 的多重比对；随后 featureCounts -Q 10 又把 MAPQ 低于 10 的 reads 过滤掉。
因果链很短：X/Y 上存在相同序列 → reads 多重比对 → MAPQ 降低 → 定量时被过滤 → 表达量接近零。
有多大影响
以一个对照样本为例，AKAP17A 基因区域能看到约 2300 条 reads，旧流程最后却只计入 39 条，约 98% 的信号被丢失。采用能保留多重比对的方式重算后，AKAP17A 的对照组均值从 0.76 TPM 回升到 20.3 TPM，约相差 27 倍；原先被噪声掩盖的组间差异也重新显现。
受影响的不只是 AKAP17A。凡是在注释中同时存在 X 与 _PAR_Y 拷贝的基因都值得警惕，例如 SLC25A6、CD99、CSF2RA、IL3RA、CRLF2、SHOX、GTPBP6、PLCXD1 和 ZBED1。历史数据里关于这些基因“低表达”“不表达”或“没有变化”的结论，都应先检查参考序列和比对过滤参数。
怎么修
最稳妥的办法是使用与样本性染色体组成匹配的参考基因组：有 Y 染色体时屏蔽 chrY 的 PAR 区，没有 Y 染色体时屏蔽整条 chrY，再重新比对和定量。这样 PAR reads 会唯一落到 chrX。
如果暂时不能重建索引，可以用 featureCounts -Q 0 -M --fraction 做快速复核，或合并 chrX 与 chrY_PAR_Y 两个位点后重新计数。但这类补救可能引入其他重复序列的 reads，适合排查和应急，不应替代正确的参考基因组。
一个简单的检查习惯
当一个基因在所有样本里都异常低、甚至全部为零时，先别急着下生物学结论。看一眼基因位置、MAPQ 分布和未计入 reads 的原因，往往比继续做下游统计更重要。
有话这里说 ↓