用途：在常规读段质量之外，对 RNA-seq 数据做特异性 QC，判断文库构建与 RNA 完整性是否合格。
主要能力：rRNA 污染检测（SortMeRNA 或 BLAST 抽样比对，polyA 文库期望 <5%、rRNA 去除 <10%、总 RNA 50-80%）；链特异性验证（RSeQC infer_experiment、Salmon -l A 的 lib_format_counts.json）；基因体覆盖度（geneBody_coverage.py，识别 3'/5' 偏好）；读段分布（read_distribution.py，CDS 外显子 60-80%、UTR 10-20%、内含子 5-20%、基因间 <10%）；转录本完整性 TIN（>70 良好，50-70 中等，<50 差）；重复率（Picard MarkDuplicates，高复杂度 <20%）；插入片段（CollectInsertSizeMetrics）；饱和度（samtools 子采样 + featureCounts）；Picard CollectRnaSeqMetrics 综合指标；MultiQC 汇总。
使用方式：需先完成比对得到 BAM，并准备 genes.bed、refFlat.txt 等注释文件。示例：infer_experiment.py -i aligned.bam -r genes.bed；read_distribution.py -i aligned.bam -r genes.bed > distribution.txt；geneBody_coverage.py -i aligned.bam -r housekeeping_genes.bed -o coverage；tin.py -i aligned.bam -r genes.bed > tin_scores.txt；multiqc fastqc/ star_output/ featurecounts/ -o multiqc_report/。资料还给出完整 bash QC 流程与 Python（pysam）汇总脚本。
适用场景：RNA-seq 文库质控、链特异性建库确认、降解评估与阈值判定（映射率、rRNA%、外显子%、重复率、平均 TIN、3' 偏好）。
限制：阈值与期望值随物种、建库方式和实验设计变化，需结合具体项目判断；部分工具依赖参考注释与数据库，资料未提供安装、版本与收费信息。