思维导图

• 测序魔鬼集中营

  
  1.7.1 生信学习【测序类型大杂烩】DAY7.png

正式笔记

1）几代测序技术和illumina原理见思维导图

2）数据产生

1.7.2 Hiseq 2000测序仪

workflow：

从荧光信号的产生到碱基序列的识别这一过程，主要包括图象校正（即空间校正）、cluster识别、荧光校正（即光学校正）、phasing/prephasing（即化学校正）、碱基识别、PF（Illumina默认的数据过滤算法Pass Filtering）、质量评估等7个步骤

照相机的识别：

利用了CCD相机(1)对每一个簇(cluster)进行识别，确定其坐标；(2)提取每个簇分别在A、G、C、T四个波长的信号强度值。

• 拍照过程相当耗时，一次循环所产生的信号需要40分钟左右才能拍照收集完毕。使用相机的扫描功能会更快一些。

数据量产出：

测序仪搭配了两个flowcell，简称双流动槽。比较经典的Hiseq2500一次能产出700-800Gb数据（此处Gb为测序碱基数，不同于字节数的Gb）。

• 关于数据转换，举个例子比较好理解：以人类基因组为例，包括30亿碱基对（bp），测序深度30x的话，就会有900亿碱基对（=1800亿字母）=90G测序量；900亿个碱基对/150（测序策略PE150）=6亿条reads(=60Mreads)；6亿条reads x 45（reads长度）= 2700亿 字母；
  每个字母=1字节，换算成计算机大小就是：2700亿字节/（1024 x1024 x1024）=192.7837G存储（非常大的数据量了）

给未来的问题

1. 为什么测序中读取index 就能提高效率知道其来自何处。
2. 接头的设计和连接原理。
3. 测序技术原理及常用数据格式简介有哪些？
4. 如何进行数据分析？

参考：
生信公众号 生信星球 教程
【陈巍学基因】视频1：Illumina测序化学原理
《测序的世界》 刘小泽 的简书