测序过程和原理
测序的类型
一二三代测序；高通量测序。
一代测序：Sanger (Dr. Fred Sanger)，测得最准。
二代测序：NGS (next generation sequencing）。
三代测序：第三代测序的发展方向太多，不好直接概括为某一特定方法。
PacBio 实时单分子测序
Complete Genomics公司的复合探针-锚定连接技术
Oxford Nanopore纳米孔单分子测序技术为标志，不需要经过PCR扩增，超长读长，可达二代测序的100倍以上，实现了对每一条DNA分子的单独测序。错误率比二代要高，达到10-15%。
Ion Torrent电子流检测技术
数据初步分析
使用fastqc进行质量分析，这是一款Java软件，支持多线程。
在Xshell中wget http://www.bioinformatics.babraham.ac.uk/projects/fastqc/fastqc_v0.11.7.zip
. #20200716可以执行。
unzip fastqc_v0.11.7.zip #可以执行。
cd FastQC #可以执行。
chmod755 fastqc # chmod755: command not found。
echo 'export PATH=/YOUR/FASTQC PATH/:$PATH' >> ~/.bashrc #可以执行。
source ~/.bashrc #可以执行。
fastqc --help # Command 'fastqc' not found, but can be installed with:
apt install fastqc
Please ask your administrator.
apt install fastqc #仍然无法安装。
名词结构化
1.基因组学（核酸序列分析）
（1）全基因组测序（WGS）
（2）全外显子组测序（WES）
（3）简化基因组测序（RRGS）
①RAD-Seq
②GBS
③2bRAD
④ddGBS（也就是ddRAD）
作用：
（1）基因组作图（遗传图谱、物理图谱、转录本图谱）
（2）核苷酸序列分析
（3）基因定位
（4）基因功能分析
其它：
以全基因组测序为目标的结构基因组学
以基因功能鉴定为目标的功能基因组学
2.转录组学（基因表达分析）
（1）mRNA-Seq
（2）IncRNA-Seq（长链非编码RNA）
（3）sRNA-Seq（主要是miRNA-Seq）
作用：
（1）获得物种或者组织的转录本信息
（2）得到转录本上基因的相关信息，如基因结构功能等
（3）发现新的基因
（4）基因结构优化
（5）发现可变剪切
（6）发现基因融合
（7）基因表达差异分析
3.蛋白质组学
（1）蛋白质组数据处理、蛋白及其修饰鉴定
（2）构建蛋白质数据库、相关软件的开发和应用
（3）蛋白质结构功能预测
（4）蛋白质连锁图
4.代谢组学
（1）代谢物指纹分析
（2）代谢轮廓分析
常用数据格式
Fastq格式
一种基于文本的，保存生物序列（通常是核酸序列）和其测序质量信息的标准格式,一般都包含有4行。
第一行：由‘@’开始，后面跟着序列ID和可选的描述，序列ID是唯一的；
第二行：碱基序列；
第三行：由‘+’开始，后面是序列的描述信息；
@HISEQ:777:HCMCVBCX2:1:1101:4712:2186 1:N:0:TACTCCAG
HISEQ：仪器 ID
777：Run ID
HCMCVBCX2：FlowCell ID
1：The lane number
1101：流通池道内的tile号码
4712：瓦片中的集群的‘x'坐标
2186：瓦片中的集群的’y'坐标
1：成对的成员，1或2（配对结束或配对读取）
N：如果读取过滤，则为Y；否则为N
0：当没有控制位开启时为0，否则为偶数
TACTCCAG：索引序列
Fasta格式
1：以“>”为开头，fasta格式标志。
2：序列ID号，gi号，NCBI数据库的标识符，具有唯一性。
格式为：gi|gi号|来源标志|序列标志（接收号、名称等），若某项缺失可以留空，“|”保留。
3：序列描述。
4：碱基序列，序列中允许空格、换行、空行，一般一行60个。
GenBank格式
以LOCUS和一些注释行开始。
序列的开头以“ORIGIN”标记，末尾以“//”标记。
EMBL格式
以标识符行（ID）开头，后面跟着更多注释行。
序列的开头以“SQ”开头标记，序末尾以“//”标记。
