bwa算法
㈠ 高中生物短序列是什么
基因组中由寡核苷酸串联,重复排列的DNA序列,构成数量可变的串联重复序列,其中,微卫星DNA又称为短串联重复片列，是一种可遗传的不稳定的且具有高度多态性的短核苷酸重复序列,具有种类多,分布广,高度多态性等特点,这种多态性标志已广泛用于遗传病及亲子鉴定等.
短序列比对中，一般常用的算法主要有三个：
（1） 空位种子片段索引法，如MAQ、ELAND等，首先将读段切分，并选取其中一段或几段作为种子建立搜索索引，再通过查找索引、延展匹配来实现读段定位，通过轮换种子考虑允许出现错配（mismatch）的各种可能的位置组合；
（2） Burrows Wheeler转换法，如Bowtie、BWA、SOAP2等，通过B-W转换将基因组序列按一定规则压缩并建立索引，再通过查找和回溯来定位读段，在查找时可通过碱基替代来实现允许的错配；
（3） Smith-Waterman动态规划算法，如BFAST，SHRiMP等，利用初始条件和迭代关系式计算两个序列的所有可能的比对分值，并将结果存放于一个矩阵中，利用动态规划的方法回溯寻找最优的比对结果。
㈡ rnaseq做snp检测的时候,为什么会检测到基因间区域的
样品制备过程不纯
用的算法不可靠。目前常用的算法，例如Bowtie, BWA，错误率都比较高，大概3%的错误mapping率。更有甚者Novoalign等算法错误率可高达百分之十几。用超高精度比对算法如FANSe/FANSe2会好得多，但对短reads仍然不可能做到100%正确，错误率可以控制在在1%以下。
测序仪操作不好，测序质量差。注意Illumina的测序仪会谎报Phred quality，故意报高让你以为质量很好。
有基因发生重排的现象。
某些长链非编码RNA(lncRNA)也带有polyA尾巴，在RNA-seq时也会被测序到。
㈢ 什么是示波器的实时采样率
对于示波器而言带宽、采样率和存储深度是它的三大关键指标。相对于工程师们对示波器带宽的熟悉和重视，采样率和存储深度往往在示波器的选型、评估和测试中为大家所忽视。本文的目的是通过简单介绍采样率的相关理论结合常见的应用帮助工程师更好的理解采样率和存储深度这两个指标的重要特征及对实际测试的影响，同时有助于我们掌握选择示波器的权衡方法，树立正确的使用示波器的观念。
在开始了解采样和存储的相关概念前，我们先了解一下数字存储示波器的工作原理。
图3 采样率SF<2 f，混叠失真
图4和图5显示的波形看上去非常相似，但是频率测量的结果却相差很大，究竟哪一个是正确的？仔细观察我们会发现图4中触发位置和触发电平没有对应起来，而且采样率只有250MS/s，图5中使用了20GS/s的采样率，可以确定，图4显示的波形欺骗了我们，这即是一例采样率过低导致的混叠（Aliasing）给我们造成的假象。
因此在实际测量中，对于较高频的信号，工程师的眼睛应该时刻盯着示波器的采样率，防止混叠的风险。我们建议工程师在开始测量前先固定示波器的采样率，这样就避免了欠采样。力科示波器的时基（Time Base）菜单里提供了这个选项，可以方便的设置。
由Nyquist定理我们知道对于最大采样率为10GS/s的示波器，可以测到的最高频率为5GHz，即采样率的一半，这就是示波器的数字带宽，而这个带宽是DSO的上限频率，实际带宽是不可能达到这个值的，数字带宽是从理论上推导出来的，是DSO带宽的理论值。与我们经常提到的示波器带宽（模拟带宽）是完全不同的两个概念。
那么在实际的数字存储示波器，对特定的带宽，采样率到底选取多大？通常还与示波器所采用的采样模式有关。
采样模式
当信号进入DSO后，所有的输入信号在对其进行A/D转化前都需要采样，采样技术大体上分为两类：实时模式和等效时间模式。
实时采样（real-time sampling）模式用来捕获非重复性或单次信号，使用固定的时间间隔进行采样。触发一次后，示波器对电压进行连续采样，然后根据采样点重建信号波形。
等效时间采样（equivalent-time sampling），是对周期性波形在不同的周期中进行采样，然后将采样点拼接起来重建波形，为了得到足够多的采样点，需要多次触发。等效时间采样又包括顺序采样和随机重复采样两种。使用等效时间采样模式必须满足两个前提条件：1.波形必须是重复的；2.必须能稳定触发。
实时采样模式下示波器的带宽取决于A/D转化器的最高采样速率和所采用的内插算法。即示波器的实时带宽与DSO采用的A/D和内插算法有关。
这里又提到一个实时带宽的概念，实时带宽也称为有效存储带宽，是数字存储示波器采用实时采样方式时所具有的带宽。这么多带宽的概念可能已经看得大家要抓狂了，在此总结一下：DSO的带宽分为模拟带宽和存储带宽。通常我们常说的带宽都是指示波器的模拟带宽，即一般在示波器面板上标称的带宽。而存储带宽也就是根据Nyquist定理计算出来的理论上的数字带宽，这只是个理论值。
通常我们用有效存储带宽（BWa）来表征DSO的实际带宽,其定义为：BWa=最高采样速率 / k，最高采样速率对于单次信号来说指其最高实时采样速率，即A/D转化器的最高速率；对于重复信号来说指最高等效采样速率。K称为带宽因子，取决于DSO采用的内插算法。DSO采用的内插算法一般有线性（linear）插值和正弦（sinx/x）插值两种。K在用线性插值时约为10，用正弦内插约为2.5，而k=2.5只适于重现正弦波，对于脉冲波，一般取k=4,此时，具有1GS/s采样率的DSO的有效存储带宽为250MHz。
图6 不同插值方式的波形显示
我们记住以下结论：在使用正弦插值法时，为了准确再显信号，示波器的采样速率至少需为信号最高频率成分的2.5倍。使用线性插值法时，示波器的采样速率应至少是信号最高频率成分的10倍。这也解释了示波器用于实时采样时，为什么最大采样率通常是其额定模拟带宽的四倍或以上。
㈣ 重测序（RADseq）做群体遗传分析套路
构建的群体，或自然群体，如各地方品种。
提取DNA后，构建文库，简要步骤如下：
① 限制性内切酶TaqI酶切；
② 连接P1接头；
③ DNA随机打断片断化；
④ 目的片段回收与末端修复；
⑤ 连接P2接头；
⑥ RAD片段富集；
⑦ 上机测序。
参考： Rapid and cost-effective polymorphism identification and genotyping using restriction site associated DNA (RAD) markers
根据识别标签序列得到每个个体的测序reads，使用trimmomatic进行过滤（其他质控软件，如fastqc，multiQC等）
设置过滤参数为：SLIDINGWINDOW:5:20 LEADING:5 TRAILING:5 MINLEN:50。 过滤标准：两端质量低于5的碱基进行切除，并以5bp为窗口进行滑动过滤，对平均质量低于20的窗口进行切除。
BWA （其他比对软件如bowtie2/soap2/MAQ等）将过滤后的个体clean reads比对到参考基因组序列上。样本比对率反映的是样本测序数据与参考基因组的相似性，覆盖深度和覆盖度能够直接反映测序数据的均一性与参考序列的同源性。
使用GATK（或samtools+bcftools)Haplotype Caller模块进行变异检测，获得群体变异集文件（VCF 格式）。对变异进行过滤：过滤参数为缺失率小于或等于0.2、杂合率小于或等于0.2、最小等位基因频率（MAF） 大于或等于0.05，最终得到高质量的基因型数据。
在获得高质量的标记数据以后，利用vcftools将vcf文件处理得到plink.ped和plink.map文件（整理为plink软件所需格式）。
使用plink 软件随机选择连锁不平衡（LD）小于0.1，且相邻间隔在300kb以上的SNP位点，最后得到一个包含3420 个SNP位点的标记集，一般是生成.bed文件。
1.祖先成分堆叠图
使用ADMIXTURE对此 SNP位点集（bed文件）进行群体结构分析（Structure），利用交叉验证过程确定确定合适的祖先数或亚群（K值）。若不知道理想的K值，可用ADMIXTURE计算，一般当cross-validation error值最低时所对应的K值为最合适的K值。
考虑到样本所归属的分类单元，即看看哪几个物种聚在一起，对合适的K值利用Structure软件（速度慢，其他软件如frappe，ADMIXTURE也可做群体结构图，并且很快）聚类图，一些R包如hapmap也是可以做群体结构图的。
2.PCA
利用GCTA对SNP数据集进行样本的PCA分析（其他软件如EIGENSOFT中的smartpca）。GCTA可以直接读取.bed , .bim , .fam文件，利用–make-grm 生成个体对之间的遗传关系矩阵，并将GRM的下三角元素保存为二进制文件.grm.id , .grm.bin ， .grm.N.bin。使用 –pca 设置要生成主成分的数目，一般来说就可以刻画出群体结构。这一步会生成 .eigenval 和 .eigenvec 两个文件。.eigenval文件为各主成分可解释遗传信息的比例，.eigenvec文件为每个样本在top4主成分上的分解值。
3.系统发育树
构树的方法有非加权分组平均法（UPGMA，已经很少用）、最小进化法（ME）、邻接法（NJ）、最大简约法（MP）、最大似然法（ML）等。
构树软件如FastTree/MEGA/cluster X/phylip，美化可以用FigTree/ggtree/treeview/GraPhIAn。
NJ法是基于最小进化原理经常被使用的一种算法，它不检验所有可能的拓扑结构，能同时给出拓扑结构和分支长度。
GWAS的群体遗传分析也是包含这三个图，RADseq毕竟是简化基因组，得到的SNP有限，做这种群体分析效果肯定没有GWAS好。
㈤ pfa固定后的细胞可以用来基因测序和细胞培养么
测序是可以的，但DNA和RNA都有破坏，所以核酸提取和测序的难度比较大，而且测序错误率会上升，所以最好用容错性高、准确性高的算法来进行处理，不能用Bowtie, BWA等传统的算法。
细胞培养是不行了，固定之后细胞已没有活性。
㈥ RNA-seq中的基因表达量计算和表达差异分析
原文链接： RNA-seq中的基因表达量计算和表达差异分析-生物知识学习 (biotechknowledgestudy.com)
差异分析的步骤：
1）比对；
2） read count计算；
3） read count的归一化；
4）差异表达分析；
背景知识：
1）比对：
普通比对： BWA，SOAP
开大GAP比对：Tophat（Bowtie2）；
2） Read count(多重比对的问题）：
丢弃
平均分配
利用Unique region估计并重新分配
表达量计算的本质
目标基因表达量相对参照系表达量的数值。
参照的本质：
（ 1）假设样本间参照的信号值应该是相同的；
（ 2）将样本间参照的观测值校正到同一水平；
（ 3）从参照的数值，校正并推算出其他观测量的值。
例如：Qpcr:目标基因表达量（循环数）相对看家基因表达量（循环数）；RNA-seq:目标基因的表达量（测序reads数），相对样本RNA总表达量（总测序量的reads数），这是最常用的标准。
归一化的原因及处理原则：
1）基因长度
2）测序量
3）样本特异性（例如，细胞mRNA总量，污染等）前两者使用普通的RPKM算法就可以良好解决，关键是第三个问题，涉及到不同的算法处理。
RNA-Seq归一化算法的意义：
基因表达量归一化：在高通量测序过程中，样品间在数据总量、基因长度、基因数目、高表达基因分布甚至同一个基因的不同转录本分布上存在差别。因此不能直接比较表达量，必须将数据进行归一化处理。
RNA-seq差异表达分析的一般原则
1）不同样品的基因总表达量相似
2）上调差异表达与下调差异表达整体数量相似（上下调差异平衡）
3）在两组样品中不受处理效应影响的基因， 表达量应该是相近的（差异不显着）。
4）看家基因可作为表达量评价依据（ 待定）
不同的算法比较：
以什么数值来衡量表达量：RPKM、FPKM、TPM
以什么作为参照标准：TMM（edgeR软件）、De seq矫正
RPKM：是Reads Per Kilobase per Million mapped reads的缩写，代表每百万reads中来自于某基因每千碱基长度的reads数。
本质：1）以reads数为计算单位；
2）对基因长度（基因间的比较）和总数据量（样本间的比较）做矫正；
1）由于可变剪切，同一基因有效转录区域长度未必相同（这个一般情况下可以不考虑，了解一下：Cufflinks软件考虑了这个问题）优化策略：外显子或转录本水平的表达量分析。
2） 使用reads数计算基因表达量有轻微误差（这里暂不展开，主要了解一下定义）优化策略：FPKM或 TPM
3） mRNA的总量未必相等。
RPKM的优化：FPKm
F = Fragment，即测序片段数量。这些片段都是从完整的cDNA打碎而来的；
本质：以文库中的片段数量为计算单位在Paired-end测序中，一个fragment就是两条PE reads构成的片段。由于是PE比对，理论上比SE比对更可靠。
T = Transcripts
本质：以转录本的条数为计算单位。使用转录本的条数（或者说：转录本的测序深度），代替reads数，在一定条件下定量更准，尤其样本间表达基因总数差异很大的时候（例如，对照样本有1万个基因表达，另外处理组仅有4000个基因表达）。
mRNA总量未必相等
mRNA总量不等——细胞本身不同
例如：活跃组织vs休眠的组织；癌细胞vs正常细胞
mRNA总量不等——污染
例如：核糖体污染外源RNA污染
解决方法——不同算法比较
其中归一化算法介绍：
1）Total Count（TC）：总reads数矫正
2）Upper Quartile（UQ）：上四分之一分位数（总reads）
矫正
3）Median（Med）；中位数（总reads数）矫正
4）Quantile (Q)：基因芯片软件limma中的校正算法；
5）RPKM：总reads数，但引入了基因长度
6）几何平均数：Deseq软件中的算法；
7）TMM：edgeR软件中的算法；
8）RPKM
逻辑1：不同位置数值的稳定性不同
四分位数quartile:将数据按从小到大排列，并分成四等分，这样得到3个分割点，第一个分割点叫做lowerquartile，第二个叫Media，第三个叫Upper quartile
很显然，极大值具有极大不稳定性，而且可能会显着影
响总体之和（假设，我们之中有个马云，我们的总收入
有什么变化？）
所以，Upper quartile和Median的数值，比总表达量之
和更加稳定，更适合作为参照。
逻辑2：表达量居中的基因的表达量值，其数值应该是相似的。
DESeq与edgeR，默认情况下都使用这一的逻辑校正。（DESeq and edgeR Bioconctor packages）
Deseq：异常高表达的基因，会显着影响细胞中的总mRNA的数量。类似的，如果样本中受到不同程度的外源RNA，如病毒、真菌等的污染，也会显着影响样本总mRNA数，导致RPMK值的误差。对于这样的问题，Deseq尝试对数据进行矫正（矫正因子），使表达量处于中间位置的基因表达量应该是基本相同的（即使用表达量处于中间的基因表达量值作为参照，而减少高表达基因的作用）。
Deseq： 校正因子=样本表达中位数/所有样本表达量中位数：回答了一个关键的问题：Deseq不同差异比较组间，计算得到的表达量值不同。因
为样本在变化，“所有样本表达量的中位数”也在变动。RPKM：总表达量为参照
Deseq：中位数为参照
TMM（edgeR）：与Deseq类似，在去除高表达基因和差异最大的基因后，TMM也是要找到一个加权系数，使剩余的基因在被矫正后差异倍数可能小。TMM的加权系数是基于两两样本比较后推算获得的（也就是两组样本的比较，将产生与这次比较相关的加权系数）。然后将所有基因除以这个加权系数，从而保证大部分表达量居中的基因表达量最相似。
不同RNA-seq表达量归一化算法的区别
Deseq类的校正算法：理论上更加稳定；但不同批次的比较会得到不同的表达量值，不利于进行多处理组/批次数据的统一分析（例如，趋势分析、共表达分析）校正会掩盖一些问题（例如：样本污染）
RPKM类的算法： 容易受异常高表达基因、外源污染等的干扰；但也更容易从结果的异常中，发现潜在问题；得到的表达量值是恒定的，多处理组/批次的数据可以合并分析。折中的方法：使用RPKM类的算法，但需要人工检查数据是否
异常。备注： Deseq软件也可以关闭校正的功能。
实际经验总结
总之：从多方面考虑，RPKM类算法，如果合理使用，依然是最优的。具体问题具体分析：在遇到问题的时候，找到问题的来源，从而给出解决方案（没有完美的流程，只有最佳解决方案）
㈦ 生物信息学中:序列联配的工具 特点 用途是什么急求,谢谢!
联配(alignment)的目的，是对它们的序列相似性进行评估，找出这些序列中结构或功能相似性区域等。通过联配未知序列与已知序列(其功能或结构等已知)的相似程度，我们可以判断或推测未知序列的结构与功能。一般我们常用的软件是Blast吧。用Blast的结果进行进一步的分析
㈧ 如何自学生物信息学
第一阶段是基础知识学习，找一本覆盖面广但是又不是很难啃的教材先对生物信息所涉及各个方面有所了解，比如人卫版李霞主编那本《生物信息学》。
第二阶段是一个逐步深入的过程，这个过程中要学会工具的使用。比如编程是学Perl还是Python，现在R也得学了。算法方面最基本的那几个比如Smith-Waterman、Needleman-Wunsch、Dynamic Programming等要了解清楚，结合一些工具比如blast来学习。一些数据库网站也是需要了解清楚的比如NCBI之类的就不用说了，比如很多人都用DAVID来进行生物模式识别分析了当碰到来与你讨论的人时你也要有所了解才行，合理地寻找和利用资源。多看e文书和文档吧，多动手写，一定要动手写。
第三阶段是进行研究，就你个人的兴趣或者你的工作需要选定一个/些领域来研究，进一步学习更多东西，这就学无止境了，HMM啦Bayes啦ANN啦……比如我就对高通量测序和肿瘤遗传学感兴趣那么我就来研究这个。
㈨ 异构网络的异构网络的背景介绍
图1.1中给出了移动通信技术的发展过程，可以看出随着技术的改进，数据传输速率有着显着的提高，为用户提供大数据量的多媒体通信业务提供了坚实基础。到目前为止，移动通信系统已经发展到第四代，下面将简单介绍这四代移动通信的发展历程。
第一代模拟蜂窝系统（1G）开始于上个世纪80年代被用于大规模民用，主要用于提供模拟语音业务，采用的是模拟语音调制技术和频分多址技术（Frequency Division Multiple Access，FDMA），数据传输速率约为2.4kbps。其中代表性的系统有北美的高级移动电话业务（Advanced Mobile Phone Service，AMPS）、英国的全入网通信系统技术（Total Access Communications System，TACS）和北欧的移动电话（Nordic Mobile Telephone，NMT）等等。由于受到传输带宽的限制，不能进行长途漫游，仅是一种区域性的移动通信系统。另外第一代的通信系统的缺点还包括制式太多而且互不兼容、容量有限、保密性差和通信质量不高等。因此促使了第二代数字移动通信系统（2G）的发展。
第二代数字移动通信系统完成了从模拟到数字的转变，从而为用户提供数字语音业务。第二代移动通信技术可以分成两种，第一种是基于时分多址接入（Time Division Multiple Access，TDMA）的全球数字移动通信系统（Global System for Mobile，GSM）和基于码分多址接入（Code Division Multiple Access，CDMA）的IS-95系统（例如CDMA one）。
第三代移动通信系统（3G）是由日益成熟的第二代移动通信系统发展而来，其目的是提供高速数据蜂窝移动通信技术。主要的3G技术标准有四个：欧洲电信标准协会（European Telecommunications Standard Institute，ETSI）提出的WCDMA（Wideband CDMA）、北美提出的从CDMA one演进而来的CDMA2000、具有中国知识产权的时分同步的码分多址技术（Time Division-Synchronous Code Division Multiple Access，TD-SCDMA），和在2007年国际电信联盟（International Telecommunication Union，ITU）会议上通过的全球微波互联接入（Worldwide Interoperability for Microwave Access，WiMAX）。第三代移动通信的最高数据传输速率可以达到2Mbps，因此可以提供相当高速的数据传输业务，例如多媒体、视频和数据等。
长期演进（Long Term Evolution，LTE）项目是3G的演进，采用的主要技术是正交频分复用（Orthogonal Frequency Division Multiplexing，OFDM）和MIMO（Multiple-Input Multiple-Out-put），能够在20MHz的带宽下提供上行50Mbps和下行100Mbps的峰值速率。LTE又被成为3.9G移动通信技术。LTE-Advanced是LTE的升级版，它被称为4G的标准，它有两种制式，一种是TDD，TD-SCDMA可以演化成TDD制式，并且HSPA+（High Speed Packet Access）直接进入LTE，另一种是FDD制式，WCDMA可以演进成FDD制式。
第四代移动通信系统（4G）除了要提供更高的带宽外，还要保证任何人在任何时间、任何地点以任何方式与任何人进行通信，用户无需考虑网络传输的实现细节。从GSM到第四代，所有的技术不可能一夜间都实现，这些技术将会同时存在为用户提供服务。为了实现第四代移动通信的目标，就需要将这些不同的无线通信系统融合在一起，形成一个异构无线网络（Heterogeneous Wireless Networks，HWNs）通信系统，从而为用户提供无缝切换和服务质量（Quality of Service，QoS）保证。因此下一代移动通信网络将是异构网络，异构网络的融合是下一代网络研究的热点，也是本文研究的主要内容。
宽带无线接入技术（Broadband Wireless Access，BWA）是继1990年便携式无线电话和2000年Wi-Fi（Wireless Fidelity）出现之后的第三次无线革命，宽带无线接入技术是在广域上提供高速无线互联网接入或者计算机网络接入的技术。宽带无线接入技术的数据速率大致相当于一些有线网络，如非对称数字用户环路（Asymmetric Digital Subscriber Line，ADSL）或者电缆调制解调器，因此它通常是有线接入网络的重要补充。几种重要的宽带无线接入技术包括WLAN（Wireless Local Area Network）、WiMAX技术和WiBro（Wireless Broadband）等。WLAN通过扩频或者OFDM等技术，来连接两个或多个终端设备，并通过接入点来连接到宽带互联网上，大部分的WLAN技术是基于IEEE802.11标准。WLAN的优势包括其费用很低和传输速度快。由于WLAN工作在非授权频段，因此WLAN的发射功率很小，它覆盖范围也只有百米左右，能提供用户在小范围内移动时可以连接到网络上。而WiMAX可以在大范围内提供高速数据业务，传输速率达到30至40兆比特每秒，2011年提高到了1Gbit/s，覆盖的半径最大可以达到50km。另外WiMAX可以支持一些低速移动的用户，而且能够提供多种多样的服务，其资费也较WLAN高。由于BWA具有建网快、运营成本低、维护方便等优势，因此它的发展速度非常迅速，为推动无处不在的互联网接入和加强公共服务奠定重要的基础。 表1.1给出了三种宽带无线接入技术的主要参数，即WLAN、WiMAX和WiBro ；表1.2给出了三种3G技术的主要参数，即UMTS（Universal Mobile Telecommunications System）、EV-DO（Evolution dataOnly）以及HSDPA（High Speed Dlink Packet Access） 。比较这两张表可以看出BWA与3G技术差别很大，例如BWA支持的数据传输速率几十兆比特每秒，而3G只有几兆比特每秒；从覆盖范围可以看出，3G网络的覆盖范围要大于BWA网络；从移动性还可以看出3G网络支持高速移动的用户。因此可以看出每个网络都有它的优点和缺陷。
表1.1宽带无线接入技术的主要参数 WLAN WiMAX WiBro 峰值速率 802.11a, g=54 Mbps DL:70 Mbps DL:18.4 Mbps 802.11b=11Mbps UL:70 Mbps UL:6.1 Mbps 带宽 20MHz 5-6GHz 9MHz 多址方式 CSMA/CA OFDM/OFDMA OFDMA 双工方式 TDD TDD TDD 移动性 低 低 低 覆盖区域 小 中等 大 协议标准 IEEE802.11x 802.16 TTA&802.16e 目标市场 家庭/企业 家庭/企业 家庭/企业 表1.2 3G技术的主要参数 UMTS EV-DO HSDPA 峰值速率 DL:2 Mbps DL:3.1 Mbps DL:14 Mbps UL:2 Mbps UL:1.2 Mbps UL:2 Mbps 带宽 5MHz 1.25GHz 5MHz 多址方式 CDMA CDMA CDMA 双工方式 FDD FDD FDD 移动性 高 高 高 覆盖区域 大 大 大 协议标准 3GPP 3GPP 3GPP 目标市场 公共 公共 公共 下一代无线网络是异构无线网络融合的重要原因是：基于异构网络融合，可以根据用户的特点（例如车载用户）、业务特点（例如实时性要求高）和网络的特点，来为用户选择合适的网络，提供更好的QoS。一般来说，广域网覆盖范围大，但是数据传输速率低，而局域网正好相反。因此在实际应用中，多模终端可以根据自身的业务特点和移动性，来选择合适的网络接入。与以往的同构网络不同，在异构网络环境下，用户可以选择服务代价小，同时又能满足自身需求的网络进行接入。这是由于这些异构网络之间具有互补的特点，才使异构网路的融合显得非常重要。因此一些组织提出了不同的网络融合标准，这些组织有3GPP（The 3rd Generation Partnership Project）、MIH（The IEEE 802.21 Media Independent Handover working group）和ETSI（The European Telecommunications Standards Institute）。
无线资源管理（Radio Resource Management，RRM）是异构网络中的一个重要研究课题，RRM的目标是高效利用受限的无线频谱、传输功率以及无线网络的基础设施。RRM技术包括呼叫接入控制（Call Admission Control，CAC）、水平或者垂直切换、负载均衡、信道分配和功率控制等。3GPP提出一种协同无线资源管理技术（Common Radio Resource Management，CRRM），它是通过利用CRRM服务器对不同接入网络信息进行监测，合理的调度异构网络中的无线资源。除了协同无线资源管理算法外，还有联合无线资源管理算法（Joint Radio Resource Management，JRRM）。这些技术实际上都是为异构网络提供统一的管理平台，以达到合理利用无线资源的目的。
网络选择算法是无线资源管理中一个研究热点，网络选择算法通常可以分为呼叫接入网络选择算法和垂直网络切换选择算法。同构网络的接入和切换主要考虑接收信号的强度，而在异构网络中需要考虑不同接入网络之间的差异，因此需要考虑的因素很多，接收信号的强度只是其中的一个影响因素，其他因素如数据传输速率、价格、覆盖范围、实时性和用户的移动性等。这些都是从用户角度考虑的，如果从网络端考虑，就会涉及到提高系统的吞吐量，降低阻塞率以及均衡负载。因此网络选择对于异构网络的融合起到了至关重要的影响。本文接下来部分将主要讨论异构网络系统模型、无线资源管理、网络性能优化以及网络选择算法。
㈩ RNA-seq中的常见问题汇总
参考链接： http://www.huangshujia.me/2018/05/26/2018-05-26-How-Does-Sequencing-Duplicates-happen.html
这是一个非常好的问题。我的回答是： RNA-Seq不能代替WES完成外显子的变异检测 ，原因如下：
(1). 转录本不是全部的外显子。 由于基因通过可变剪切出不同的转录本，实现多能性。那么，没被该转录本包括的外显子就丢失了；
(2). 转录本数据在基因上的覆盖度是极度不均匀的。 不同基因的表达量不同，有些很高，有些甚至没有。进行变异检测的时候，这种不均匀性会极大影响变异结果的有效检出。 导致很多发现的变异可能都是那些高表达但是却很可能不具备什么关注点的基因上。 如果这时你还是想获得更多的变异，那么到头来还是得花更多的钱加大测序深度；
(3). 目前对转录本数据进行变异检测，还是一个偏于补充性质的分析。 RNA-Seq的目的主要还是集中在基因表达方面，以及寻找差异表达基因和融合基因上。对于变异检测，这类数据中也肯定可以发现，但假阴一定是很高的，比如低表达的基因，甚至是在这个组织（或者样本）中不表达的基因，你就无法有效检出它基因组上的变异了。另外，由于目前的二代测序系统并不能对RNA中的U碱基进行识别，因此，RNA测序的时候需要先反转录为cDNA，这个过程会为RNA的变异检测带来一定程度的假阳结果；
(4). 变异检测范围有限。使用RNA-Seq数据很难发现除单碱基变异（SNV）之外的其他突变（比如Indel）。
要搞清楚这个read重复（plicate）的问题，我想我们需要从NGS数据的产出过程说起，具体来说如下：
我们一般认为第1步DNA提取出来的是完整的基因组，打断则是完全随机的——通常来说也确实如此。
在第3步， PCR扩增时，同一个DNA片段会产生多个相同的拷贝，第4步测序的时候，这些来源于同！一！个！拷贝的DNA片段会结合到Fellowcell的不同位置上，生成完全相同的测序cluster，然后被测序出来，这些相同的序列就是plicate。 这是plicate的第一个来源，也是主要来源，称为PCR plicates（PCR重复）。
同样，在第4步，生成测序cluster的时候，某一个cluster中的DNA序列可能搭到旁边的另一个cluster的生成位点上，又再重新长成一个相同的cluster，这也是序列plicate的另一个来源，这个现象在Illumina HiSeq4000之后的Flowcell中会有这类Cluster plicates，这是第二类plicate（如下图）。
在第5步中，某些cluster在测序的时候，捕获的荧光亮点由于光波的衍射，导致形状出现重影（如同近视散光一样），导致它可能会被当成两个荧光点来处理。这也会被读出为两条完全相同的reads，这是第三类plicate， 称之为Optical plicates（光学重复）；
以上三种比较常见，还有第四种， 称为Sister plicates，这是比较特殊的一个情况。 它是文库分子的两条互补链同时都与Flowcell上的引物结合分别形成了各自的cluster被测序，最后产生的这对reads是完全反向互补的。 比对到参考基因组时，也分别在正负链的相同位置上，在有些分析中也会被认为是一种plicates。
另外，据说 NextSeq 平台上还出现过由于荧光信号捕获相机移动位置不够，导致 tile 边缘被重复拍摄，每次采样区域的边缘由于重复采样而出现了plicates， 下图中蓝色点代表 plicates， 可以看到在tile的左右两侧明显富集。
以上，除了NextSeq的情况之外， 所有这些不同类型的plicates都各有特点。 比如，PCR plicate的特点是随机分布于Flowcell表面；而cluster plicates和optical plicates 的特点是它们都来自Flowcell上位置相邻的cluster。Cluster的位置一般都会被记录在原始测序fastq文件@Sequence-id那一行中。
这些Read重复都会一定程度上导致一些碱基信号被错误地拉高或者减低，会对后续分析带来干扰，特别是在WGS和WES分析时都需要去除。 如果测序过程没什么特殊问题或者原因，那么，测序数据的plicate比例一般都在10%以下。
PCR plicates可以通过PCR-free来避免。并且PCR本身还会带来一些其他的问题，比如扩增过程自带了一定的偏向性，这会损失一定的测序随机性，使得某些序列信息被扩大或者减小。所以， 只要DNA起始量足够，那么我们就应该尽量采用PCR Free的方式来建库。
参考链接：
http://blog.sina.com.cn/s/blog_5c2f929b0102w5b8.html
https://www.cnblogs.com/leezx/p/6247885.html
样本 ：就是待测的DNA、RNA或蛋白序列，样本来源单一的就是单样本，样本来源于多处就是多样本，一般我们测序用的样本都是单样本，但有时候有特殊需求，我们会把一些样本混合在一起测序，也就是多样本测序。
文库 ：二代三代读长都是有限的，为此我们必须将全长的序列打断成小片段的文库才能进行测序。总的来说，在NGS分析之前，制备RNA或DNA的主要步骤包括：片段化和/或筛分指定长度的目标序列；将目标片段转化成双链DNA；在片段末端连上寡核苷酸接头；以及定量最终的文库。
单端测序和双端测序 ：单端测序(Single-read)首先将DNA样本进行片段化处理形成200-500bp的片段，引物序列连接到DNA片段的一端，然后末端加上接头，将片段固定在flow cell上生成DNA簇，上机测序单端读取序列(图1)。 Paired-end方法是指在构建待测DNA文库时在两端的接头上都加上测序引物结合位点，在第一轮测序完成后，去除第一轮测序的模板链，用对读测序模块(Paired-End Mole)引导互补链在原位置再生和扩增，以达到第二轮测序所用的模板量，进行第二轮互补链的合成测序(图2)。
flowcell ：FC，一个FC就是一个载玻片状的载体，它是测序的场所。
lane ：表示测序芯片上的一条流通槽,测序文库与试剂均在里面,测序信号的扫描也是按照一条lane上的一个tile进行。一个FC有多条lane，一般是8条
run ：测序仪运行一次
参考链接： https://mp.weixin.qq.com/s/awdjoXRYobrQAbXmAp3C0g
在使用bwa进行比对时，会有-R参数用来补充read group信息，这对于后续进行call variation时必要的
read group ：在sam中以@RG开头，它是用来将比对的read进行分组的。不同的组之间测序过程被认为是相互独立的，这个信息对于我们后续对比对数据进行错误率分析和Mark plicate时非常重要。
1）ID，这是Read Group的分组ID，一般设置为测序的 lane ID （不同lane之间的测序过程认为是独立的），下机数据中我们都能看到这个信息的，一般都是包含在fastq的文件名中
2）PL，指的是所用的测序平台，这个信息不要随便写！特别是当我们需要使用GATK进行后续分析的时候，更是如此！这是一个很多新手都容易忽视的一个地方，在GATK中，PL只允许被设置为：ILLUMINA,SLX,SOLEXA,SOLID,454,LS454,COMPLETE,PACBIO,IONTORRENT,CAPILLARY,HELICOS或UNKNOWN这几个信息。基本上就是目前市场上存在着的测序平台，当然，如果实在不知道，那么必须设置为UNKNOWN，名字方面不区分大小写
3）SM，样本ID，同样非常重要，有时候我们测序的数据比较多的时候，那么可能会分成多个不同的lane分布测出来，这个时候SM名字就是可以用于区分这些样本；
4）LB，测序文库的名字，这个重要性稍微低一些，主要也是为了协助区分不同的group而存在。文库名字一般可以在下机的fq文件名中找到，如果上面的lane ID足够用于区分的话，也可以不用设置LB。
除了以上这四个之外，还可以自定义添加其他的信息，不过如无特殊的需要，对于序列比对而言，这4个就足够了。这些信息设置好之后，在RG字符串中要用制表符（ ）将它们分开
总结：ID一般用来写lane ID，如果在测的时候一个样本一个lane，那也可以是sample id。PL必须是它指定的那几个。SM是样本的ID，如果是一个样本一个lane的话，ID=SM，如果是一个样本多个lane的话（测序很深时），ID是laneID,SM是样本id，要做区分。LB，可以随便设置。
例子：
FASTQ文件里面这些被测序下来的read是随机分布于基因组上面的，第一步的比对是按照FASTQ文件的顺序把read逐一定位到参考基因组上之后，随即就输出了，它不会也不可能在这一步里面能够自动识别比对位置的先后位置重排比对结果。因此，比对后得到的结果文件中，每一条记录之间位置的先后顺序是乱的，我们后续去重复等步骤都需要在比对记录按照顺序从小到大排序下来才能进行，所以这才是需要进行排序的原因
[注意] 排序后如果发现新的BAM文件比原来的BAM文件稍微小一些，不用觉得惊讶，这是压缩算法导致的结果，文件内容是没有损失的。
https://mp.weixin.qq.com/s/awdjoXRYobrQAbXmAp3C0g
首先什么是重复序列，重复序列是在进行PCR扩增时，由同一个DNA分子产生了很多的相同的拷贝。重复序列的存在会导致对于变异的判断产生错误，主要有以下几点：
1）DNA在打断的时候会发生一些变异，而PCR会扩大这个信号，导致假阳性的出现。
2）PCR过程会引入新的变异，这些变异越早发生，那其在后续的扩增中错误的拷贝会越多，导致假阳性
3）PCR本身存在序列偏好性，如果存在真实的变异后，PCR产生了偏好性，如对reference序列扩增偏向强烈，那变异的碱基信息会减少，导致假阴性，反之，导致假阳性。
4）目前使用的主流工具，GATK、Samtools、Platpus等这种利用贝叶斯原理的变异检测算法都是认为所用的序列数据都不是重复序列（即将它们和其他序列一视同仁地进行变异的判断，所以带来误导），因此必须要进行标记（去除）或者使用PCR-Free的测序方案
其次是如何识别或去除重复序列，既然PCR扩增是把同一段DNA序列复制出很多份，那么这些序列在经过比对之后它们一定会定位到基因组上相同的位置，比对的信息看起来也将是一样的！于是，我们就可以根据这个特点找到这些重复序列了！事实上，现有的工具包括Samtools和Picard中去除重复序列的算法也的确是这么做的。不同的地方在于，samtools的rmp是直接将这些重复序列从比对BAM文件中删除掉，而Picard的MarkDuplicates默认情况则只是在BAM的FLAG信息中标记出来，而不是删除，因此这些重复序列依然会被留在文件中，只是我们可以在变异检测的时候识别到它们，并进行忽略。