第五章  新一代测序NGS

5.4 关于回帖、变异鉴定的补充材料

• BWT算法是BWA软件所使用的压缩算法，它可以对数据进行无损压缩，它对字符串乱转后得到的字符矩阵进行排序和变换，使数据更容易被压缩。
• BWT算法利用逆字符的方法去检验是否存在相同（匹配）的区域，它不能处理gap。
• L列和F列的两个性质：

1. L列的序列是其所对应的F列的序列在原始序列中的前一位。
2. L列中字母出现的顺序和F中的相同。

• 如果对想要寻找的reference序列以BWA算法的原理获得对应的F行和L行，并建好索引的话，我们可以很快的进行mapping。
• 这种方式没有办法区分头和尾，所以如果输入的序列是跨入头和尾，那么将没办法区分。
• 可以在序列结尾处加入一个“$”符号，解决上述问题。
• samtools是较早出现的一个通用工具，主要用来处理sam/bam文件，即NGS测得的reads贴回参考基因组的结果文件。它也相应发展了基于bam文件的检出变异、确定基因型的算法，利用程序mpileup和bcftools可以完成这个任务。
• 确定基因型的算法大多数是基于贝叶斯统计的。
• GATK是1000基因组计划中发展出来的较新的工具，常用于一个或许多正常人基因组测序数据的变异的检出。
• 目前GATK网站上个列出的常用的variant caller主要有UnifiedGenotyper和HaplotypeCaller，前者可能用得更多一些。

5.5 关于基因型鉴定的补充材料

• Likelihood function

1. a function of the parameters of a statistical model
2. 

• Bayesian approach

• 统计模型在实际应用中并没有对错之分，只是依据对数据的拟合、刻画能力，以及看实际结果的正确率，可以自己感觉出好坏。
• 由于实际数据中有时存在不符合经典简单模型的假设的情况，所以真实使用的模型常常会显得较为复杂。
• MAQ

1. Data: a pile of bases, with baseQ
2. Goal: call genotype
3. 实际中：（1）实际测序数据的baseQ并不全一样；（2）碱基测错概率相互不独立；（3）genotype的出现概率不是均等的。

• SNVMix是call癌症基因组SNV（即单碱基变异）和genotype的工具。
• 概率图模型展示概率决定关系。
• SNVMix模型相对就比MAQ使用的模型更为复杂，加入了许多根据数据可以进行拟合、估计的不可测量的参数，估计这些隐参数的具体方法是使用了EM算法。

5.6 Ion Torrent PGM测序介绍

• Ion Torrent测序仪所采用的Ion Torrent半导体测序技术是2011年上市的一套完全不依赖光学成像系统的新一代测序仪。
• 相比较于HiSeq测序技术，Ion Torrent最大的优势在于两点：（1）成本低；（2）速度快，从文库构建到测序完成仅需2到3天。