1. 文库复杂性
2. 重复
我们应该比较样本之间的重复率，以确定任何经历过度放大的样本，从而确定复杂性较低的可能性。
flattagcounts() 函数报告可以报告重复的数量和总映射读取，因此我们可以从那里计算我们的重复率。
myFlags <- flagtagcounts(myQC)
myFlags["DuplicateByChIPQC", ]/myFlags["Mapped", ]
3. 跨基因 reads 富集
我们还可以使用 ChIPQC 使用 plotRegi() 函数来查看我们在基因特征上的 reads 分布。
在这里，与输入样本相比，我们预计 ChIPseq 信号在 5'UTR 和启动子中更强。
p <- plotRegi(myQC)
