數(shù)據(jù)分析基礎(chǔ)知識

1、生物信息學(xué)及常用知識mingming知識科普服務(wù)器結(jié)構(gòu)生物信息學(xué)(Bioinformatics)是對生物信息，處理，分析和解釋等各方面的一門學(xué)科，它綜合利用生物學(xué)，計算機(jī)科學(xué)等學(xué)科揭示大量而復(fù)雜的生物數(shù)據(jù)所賦有的生物學(xué)奧秘。世界上最簡單的語言之一高通量技術(shù)相關(guān)知識一代二代三代SOLIDHelicos單分子454 FLXSolexaSanger ABI 3730Pac Bio單分子FastqQ20=Q20 bases/all basesQ30=Q30 bases/all bases454FnaQualSOLiDcsfasta, QV.qual.xsq去除首末尾質(zhì)量低的堿基去除中間N堿基去除rRN

2、A,tRNA等ncRNACLC bio Velvet Trinity SOAPdenovoabyssContig: 拼接得到的初級的長片段Scaffold:應(yīng)用pair-end或者mate-pair信息將初級的 contigs片段進(jìn)行延伸從而進(jìn)一步加長片段 N50：首先將contigs按長度從大到小排列，然后從最大長度的contig進(jìn)行長度累加，一直到累加的總長度為所有contig總長度的一半，此時的這個 contig的長度就是N50，如果這個值比較大，那么說明拼接得到的contig都比較長，比較完整N25，N75原理同N50tophat Bowtie Bwa MiraSoap2Map比例ra

3、tio：比對上組的reads占總reads的Unique map配的reads個數(shù)reads: 在組上只有一個位置匹Multi mapp reads個數(shù) Pair mapSingle mapreads:在組上有多個位置匹配的reads:成對map組上的reads在reads: 一對reads中只有一個組reads：位于剪切位點readsmap到Splicing mapCoverageSite coverage:Genome coverage:組上每個位點上對應(yīng)的reads數(shù)目組上被reads覆蓋的堿基數(shù)目因組總堿基數(shù)目的比例Sequencing coverage(depth): base數(shù)的比

4、例總bases數(shù)目與組總數(shù)據(jù)庫注釋隨著多種生物genome的相繼，使得annoion的工作量和復(fù)雜度大大增加。大多數(shù)在不同真核生物中擁有共同的主要生物功能，通過在某些物種中獲得的或者蛋白質(zhì)的生物學(xué)信息，可以用以解釋其他物種中對應(yīng)的或蛋白。直系同源(orthology) , 旁系同源(paralogy)Gene Ontology（簡稱GO）由上述的想法而誕生，用來將所有的蛋白質(zhì)功能進(jìn)行分類HierarchicalDirected Acyclic Graphterms have one or more parentsis-a and part-of relationspeMolecular Functione.g. DNA binding, catalysis of a reactionBiological Prose.g. metabolismCellular Componente.g. nucleus, riomeGFKEGG: Kyoto Encyclopedia of Genes and GenomesMetabolismGenetic Information ProsingEnvironmental Information ProsingCellular Proses