用途：直接从 FASTQ 读段出发，用伪比对（kallisto）或选择性比对（Salmon）定量转录本丰度，无需先做基因组比对。
主要能力：Salmon 支持基础索引与 decoy-aware 索引（推荐，精度更高），可自动检测文库类型（-l A），支持 GC 偏倚（--gcBias）与序列偏倚（--seqBias）校正，输出 quant.sf（含 Name、Length、EffectiveLength、TPM、NumReads）。kallisto 速度最快、内存占用低，支持单端（需 --single -l -s 指定片段长度与标准差）与双端定量，可用 -b 生成 bootstrap 供 sleuth 使用，输出 abundance.tsv、abundance.h5 与 run_info.json。
使用方式：先建索引，Salmon 基础命令为 salmon index -t transcripts.fa -i salmon_index；decoy-aware 需先用 grep 从基因组生成 decoys.txt，再 cat transcripts.fa genome.fa > gentrome.fa，然后 salmon index -t gentrome.fa -d decoys.txt -i salmon_index -p 8。定量双端用 salmon quant -i salmon_index -l A -1 sample_R1.fastq.gz -2 sample_R2.fastq.gz -o sample_quant -p 8，单端用 -r。kallisto 建索引为 kallisto index -i kallisto_index transcripts.fa，定量为 kallisto quant -i kallisto_index -o sample_quant sample_R1.fastq.gz sample_R2.fastq.gz。可用 for 循环批量处理多样本。结果可用 R 的 tximport 或 Python pandas 合并为 TPM 与 counts 矩阵。
适用场景：转录组表达定量、下游差异表达分析前的丰度估计。
限制与检查：需注意转录本版本、污染与文库类型；建议 mapping rate > 70% 且各样本文库类型一致。Salmon 精度更高、支持 GC 偏倚与 decoy，kallisto 更快更省内存，资料建议生产用 Salmon、快速探索用 kallisto。具体版本、平台与收费信息暂未提供。