MultiQC v1.29发布：新增Parquet数据输出与多项功能优化

MultiQC是一个用于分析高通量测序数据的工具，它能够将多个分析工具的输出结果汇总成单个交互式报告。作为生物信息学分析流程中常用的质量控制工具，MultiQC极大地简化了研究人员对测序数据质量的评估过程。

核心亮点：Parquet数据输出

在v1.29版本中，MultiQC引入了一项重要的实验性功能——Parquet格式数据输出。这个功能会在每次运行时生成一个multiqc_data/BETA-multiqc.parquet文件，包含了所有绘图和表格数据及其元数据。这项改进为数据分析带来了三个显著优势：

1. 数据重现性：即使没有原始数据，研究人员也能通过这个文件重现MultiQC的分析结果。
2. 跨样本整合：方便将不同样本或不同模块的MultiQC运行结果进行合并分析。
3. 分析数据库构建：特别适合构建分析数据库，用于时间序列分析等高级应用场景。

需要注意的是，由于该功能仍处于测试阶段，其格式在后续版本中可能会有所调整，特别是为了优化OLAP(在线分析处理)集成而进行的改进。

主要功能更新与改进

内容呈现增强

• Markdown支持：现在可以在自定义内容中使用Markdown语法，使报告呈现更加灵活多样。
• 图表副标题定制：新增了图表副标题(如"样本数N")的自定义选项，使报告更具个性化。

人工智能摘要功能增强

• 支持AWS Bedrock：扩展了AI摘要功能的支持平台，现在可以使用AWS Bedrock服务。
• 提示词定制：允许用户自定义发送给大型语言模型(LLM)的提示词，提高摘要的相关性。
• 错误处理优化：改进了从小提琴图生成AI摘要时的格式错误处理机制。

命令行工具改进

• 新增配置检查命令：multiqc --check-config命令可以帮助用户验证配置文件的有效性。
• 样本过滤选项：新增--only-samples参数，作为--ignore-samples的反向操作，提供更灵活的样本选择方式。

性能与稳定性

• 可终止的进程管理：使用可终止进程进行Kaleido图表导出，提高了资源管理效率。
• 导出超时设置：为图表导出添加了超时机制，防止长时间挂起。

新增分析模块

v1.29版本引入了两个新的分析模块：

1. Elembio bases2fastq模块：用于分析bases2fastq工具的输出结果。
2. Elembio cells2stats模块：专门处理cells2stats工具生成的数据。

问题修复与优化

本次版本修复了多个影响用户体验的问题，包括：

• 临时目录删除失败导致的崩溃问题
• 日志文件记录不完整的问题
• 自定义表格标题配置应用问题
• 时间区域设置错误处理
• 图表导出功能的各种稳定性问题

特别值得注意的是对AI摘要功能的改进，修复了从小提琴图生成表格时的错误，提高了功能的可靠性。

现有模块更新

多个现有模块也获得了功能增强：

• NanoStat模块：现在支持自定义通用统计列
• bcftools stats模块：启用了indel图表的对数转换选项
• Bases2Fastq模块：增加了对单端测序数据的支持
• samtools模块：改进了通用统计列的自定义功能
• PRINSEQ++模块：修复了日志警告问题
• fastp模块：优化了过滤结果条形图的小数点显示

这些更新进一步提升了MultiQC在各类测序数据分析中的适用性和用户体验。

v1.29版本的发布标志着MultiQC在数据输出格式和功能完整性方面又迈出了重要一步，特别是Parquet格式的支持为下游数据分析开辟了新的可能性。随着AI摘要功能的不断完善和模块生态的持续丰富，MultiQC正逐渐成为生物信息学质量控制领域更加不可或缺的工具。