【哈佛大学生物信息学与计算生物学】视频笔记

2024-01-20 13:10

本文主要是介绍【哈佛大学生物信息学与计算生物学】视频笔记,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

目录

  • 生物信息学研究浪潮
  • Bioinfo vs Computational Biology
  • Levels of Bioinfo / Comp Bio
  • 生物信息学相关学科 & 技术
  • FASTQ File
  • fastqc对原始测序reads质控
    • Per Base Sequence Quality
    • Per Sequence Quality Distribution
    • Nucleotide Content Per Position
    • Per Sequence GC Content
  • 局部比对算法
  • RPKM、FPKM 、TPM
  • RNA-Seq Read Distribution
  • independent filtering
  • FDR
  • 聚类

生物信息学研究浪潮

  1. 研究蛋白序列和结构
  2. 基因表达(微阵列技术)
  3. DNA测序

基因组测序成本下降非常快,可以用于个性化诊断,eg:肿瘤序列-靶向疗法

Bioinfo vs Computational Biology

  1. 第一代测序:桑格测序 Sanger sequencing(需要扩增dna,并且每次只扩增一个分子,所以需要扩增很多次同一单链DNA的多个拷贝)

  2. 第二代测序:大规模平行测序 Illumina Sequencing Cluster Generation(不需要将不同DNA分装到不同的管子当中进行扩增,可以将很多很多个分子倒在流动池上进行原位扩增,边合成边测序)如果需要产生很多很多的片段,需要了解定量水平,第二代测序更符合要求。
    在这里插入图片描述

  3. 第三代测序:真正的单分子测序,甚至再也不需要扩增dna。一般来讲,会使用聚合酶或微孔进行测序,然后根据acgt当中哪个核苷酸被结合或通过微孔而发出不同的信号。
    在这里插入图片描述

Levels of Bioinfo / Comp Bio

在这里插入图片描述
学无止境!!!

生物信息学相关学科 & 技术

FASTQ File

  1. 第一行 序列id
  2. 第二行 真实序列
  3. 第三行 序列名称,与第一行不同的前缀分别是@和+,@所在行代表路序列的名称(以及可选的描述内容)
    +后面可以是序列名,也可以为空
  4. 第四行 序列值,由33个不同的ASCII字符表示
    ASCII数值所大致代表的Phred质量的计算公式是-10*log10 Pr(碱基对出错的概率)
    通常来说,质量值的数字越大,质量就越高,出错的概率越小。

fastqc对原始测序reads质控

Per Base Sequence Quality

高质量序列的碱基其实是高质量并连续出现的。

在这里插入图片描述

Per Sequence Quality Distribution

碱基对应质量值的分布

Nucleotide Content Per Position

在全基因组水平进行测序,每一种类型的碱基其占比应在25%左右。

在这里插入图片描述

Per Sequence GC Content

将实际的GC content与期望的GC content进行对比,右图意味着测序也许出现了问题。

在这里插入图片描述

局部比对算法

局部比对是一种序列比对技术,在该技术中,我们对比两个序列之间具有较高相似性的区域,即具有最高匹配密度的序列的延伸,这适用于更多部分相似且在序列之间具有保守区域的转向序列。

smith waterman算法是最常见的局部比对,属于动态规划,讲一个问题分解为更小更简单的子问题。

全局比对试图将整个序列彼此比对,而局部比对仅比对这些具有最高相似性。全局比对比对来自查询序列和目标序列的所有字母,而局部比对将目标序列的子串与查询序列的子串对齐。
因此,全局比对更适合密切相关的序列,而局部对比更适合发散或远相关的序列。

序列最常见的全局比对算法是needleman-wunsch,而局部比对是smith-waterman

RPKM、FPKM 、TPM

三者都是衡量基因相对表达量
RPKM(Reads Per Kilobase per Million)
FPKM(Fragments Per Kilobase per Million)
TPM:Transcripts Per Kilobase per Million mapped reads (每千个碱基的转录每百万映射读取的Transcripts)
RPKM和FPKM的计算方法:第一步先将测序深度标准化,第二步是基因长度的标准化,即将第一步的read per million直接除以基因长度即可。
TPM的不同在于它的处理顺序是不同的。即先考虑基因长度,再考虑测序深度。
在这里插入图片描述

RNA-Seq Read Distribution

在芯片时代,RNA-Seq测序的reads分布,一般被认为是正态分布
RNA-Seq测序得到的reads分布,一般符合泊松分布

independent filtering

检测差异基因表达的方法是进行对每一个基因进行统计检验。

所谓的independent filtering,意思是在进行统计检验之前,筛掉那些不能或是很可能不能通过显著性检验的探针。independent filtering就是为了降低假设检验的假阴性。

FDR

在这里插入图片描述

与GO富集分析的差异在于GSEA分析不需要指定阈值(p值或FDR)来筛选差异基因

聚类

heatmap(热力图),通过颜色的深浅程度来判断不同类别间的差异,呈现不同特征间的聚类关系,通常用做聚类分析(如层次聚类,kmeans聚类等)。

Hierarchical Clustering(层次聚类)
自上而下:分裂法,初始时将所有的样本归为一个类簇,然后依据某种准则进行逐渐的分裂,直到达到某种条件或者达到设定的分类数目。
自下而上:凝聚法,初始时将每个样本点当做一个类簇,所以原始类簇的大小等于样本点的个数,然后依据某种准则合并这些初始的类簇,直到达到某种条件或者达到设定的分类数目。

K-means Clustering(k均值聚类),基于样本集合划分的聚类算法。

Consensus Clustering(一致性聚类),被广泛用于基于亚群鉴定和癌症分型等研究方向,采用重抽样方法打乱原始数据集,对每一次聚类的样本进行聚类分析,最后再综合评估多次聚类分析的结果给出一致性。

在这里插入图片描述

在这里插入图片描述

这篇关于【哈佛大学生物信息学与计算生物学】视频笔记的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/626116

相关文章

流媒体平台/视频监控/安防视频汇聚EasyCVR播放暂停后视频画面黑屏是什么原因?

视频智能分析/视频监控/安防监控综合管理系统EasyCVR视频汇聚融合平台,是TSINGSEE青犀视频垂直深耕音视频流媒体技术、AI智能技术领域的杰出成果。该平台以其强大的视频处理、汇聚与融合能力,在构建全栈视频监控系统中展现出了独特的优势。视频监控管理系统EasyCVR平台内置了强大的视频解码、转码、压缩等技术,能够处理多种视频流格式,并以多种格式(RTMP、RTSP、HTTP-FLV、WebS

综合安防管理平台LntonAIServer视频监控汇聚抖动检测算法优势

LntonAIServer视频质量诊断功能中的抖动检测是一个专门针对视频稳定性进行分析的功能。抖动通常是指视频帧之间的不必要运动,这种运动可能是由于摄像机的移动、传输中的错误或编解码问题导致的。抖动检测对于确保视频内容的平滑性和观看体验至关重要。 优势 1. 提高图像质量 - 清晰度提升:减少抖动,提高图像的清晰度和细节表现力,使得监控画面更加真实可信。 - 细节增强:在低光条件下,抖

poj 1113 凸包+简单几何计算

题意: 给N个平面上的点,现在要在离点外L米处建城墙,使得城墙把所有点都包含进去且城墙的长度最短。 解析: 韬哥出的某次训练赛上A出的第一道计算几何,算是大水题吧。 用convexhull算法把凸包求出来,然后加加减减就A了。 计算见下图: 好久没玩画图了啊好开心。 代码: #include <iostream>#include <cstdio>#inclu

uva 1342 欧拉定理(计算几何模板)

题意: 给几个点,把这几个点用直线连起来,求这些直线把平面分成了几个。 解析: 欧拉定理: 顶点数 + 面数 - 边数= 2。 代码: #include <iostream>#include <cstdio>#include <cstdlib>#include <algorithm>#include <cstring>#include <cmath>#inc

uva 11178 计算集合模板题

题意: 求三角形行三个角三等分点射线交出的内三角形坐标。 代码: #include <iostream>#include <cstdio>#include <cstdlib>#include <algorithm>#include <cstring>#include <cmath>#include <stack>#include <vector>#include <

【学习笔记】 陈强-机器学习-Python-Ch15 人工神经网络(1)sklearn

系列文章目录 监督学习:参数方法 【学习笔记】 陈强-机器学习-Python-Ch4 线性回归 【学习笔记】 陈强-机器学习-Python-Ch5 逻辑回归 【课后题练习】 陈强-机器学习-Python-Ch5 逻辑回归(SAheart.csv) 【学习笔记】 陈强-机器学习-Python-Ch6 多项逻辑回归 【学习笔记 及 课后题练习】 陈强-机器学习-Python-Ch7 判别分析 【学

系统架构师考试学习笔记第三篇——架构设计高级知识(20)通信系统架构设计理论与实践

本章知识考点:         第20课时主要学习通信系统架构设计的理论和工作中的实践。根据新版考试大纲,本课时知识点会涉及案例分析题(25分),而在历年考试中,案例题对该部分内容的考查并不多,虽在综合知识选择题目中经常考查,但分值也不高。本课时内容侧重于对知识点的记忆和理解,按照以往的出题规律,通信系统架构设计基础知识点多来源于教材内的基础网络设备、网络架构和教材外最新时事热点技术。本课时知识

XTU 1237 计算几何

题面: Magic Triangle Problem Description: Huangriq is a respectful acmer in ACM team of XTU because he brought the best place in regional contest in history of XTU. Huangriq works in a big compa

论文阅读笔记: Segment Anything

文章目录 Segment Anything摘要引言任务模型数据引擎数据集负责任的人工智能 Segment Anything Model图像编码器提示编码器mask解码器解决歧义损失和训练 Segment Anything 论文地址: https://arxiv.org/abs/2304.02643 代码地址:https://github.com/facebookresear

数学建模笔记—— 非线性规划

数学建模笔记—— 非线性规划 非线性规划1. 模型原理1.1 非线性规划的标准型1.2 非线性规划求解的Matlab函数 2. 典型例题3. matlab代码求解3.1 例1 一个简单示例3.2 例2 选址问题1. 第一问 线性规划2. 第二问 非线性规划 非线性规划 非线性规划是一种求解目标函数或约束条件中有一个或几个非线性函数的最优化问题的方法。运筹学的一个重要分支。2