深度与覆盖度：两个容易混淆的指标
平均测序深度描述一个区域平均被读到多少次；覆盖度描述达到某个最低深度的目标区域比例。同样的平均深度，如果覆盖分布不均，仍可能存在关键位置读数不足。
全基因组、外显子组和靶向 panel 的指标口径不同。阅读质控信息时应先确认统计对象、参考基因组版本和阈值定义，再判断是否达到了该方案的报告门槛。
污染、重复和样本一致性
污染估计用于发现样本中混入其他来源 DNA 的可能性；重复率过高可能意味着有效信息增量有限；样本一致性检查则帮助确认实验样本与账户、批次或重复采样之间没有发生错配。
这些指标通常不是越接近零越好或越高越好，而是需要落在经过验证的可接受区间。实验室应保存异常样本的处置记录，而不是只在最终页面显示一个通过或失败。
低质量数据如何影响报告
当某些区域覆盖不足时，报告可能限制对应模块、降低结果等级或直接不发布相关结论。专业的“未报告”并不是服务失败，而是避免把不稳定的信号包装成确定答案。
如果样本整体质量不达标，平台应说明补采条件、时间和费用规则。用户需要知道重新采样是为了解决哪一个质量问题，而不是被要求重复操作却看不到原因。
把质控变成可沟通的信息
对普通用户，质控页面不必堆满缩写，但应说明指标名称、用途、结果状态和可能影响。对专业人员，则应能提供批次、软件、参考基因组和报告版本等更完整记录。
当用户把报告用于家族研究、科研合作或医疗沟通时，可追溯的质控摘要会显著降低误读，也方便后续复核同一份数据。