序列对比

1. 序列模式
   sequence pattern: 以特定的规则来描述碱基序列，
   概率性的规则称为motifs，如：GC后的碱基80%为A，20%为T
   Adapter是最简单的一种规则
   K-mers：一段序列中所有字符串长度为k的组合，k小于等于序列长度
   如一段序列: ATGCA
   2-mers：AT, TG, GC, CA
   3-mers：ATG, TGC, GCA
   4-mers：ATGC, TGCA
   5-mers：ATGCA
   K-mers用处：
   指出错误：k-mers通常在序列出错时出现
   分类：特定的k-mers可以识别基因
2. 序列对比
   为确定两个或多个序列之间的相似性以至于同源性，而将它们按照一定的规律排列。

将两个或多个序列排列在一起，标明其相似之处。序列中可以插入间隔（通常用短横线“-”表示）。对应的相同或相似的符号（在核酸中是A, T（或U）, C, G，在蛋白质中是氨基酸残基的单字母表示）排列在同一列上。

符号：

"-"： gap

"|"： match

".": dismatch

CIGAR string: 在SAM文件中的一种对比格式

比如：4M3D3M1X1M2D

M: Match

D: Deletion

X: Mismatch

如何选择最好的对比序列：没有最好的结果，分数越高越好

分数判定：

5分：match

-4分：mismatch

-10分：gap

-0.5分：extending an open gap

分数可以随着打分规则的改变而改变

Global alignment:总序列对比是两条序列的每一个碱基都互相配对，即使两个碱基不匹配或者一个碱基与一个gap配对

Local alignment: 局部对比

局部对比是指寻找分数最高的配对方式，为最后可能得到一条很短的配对序列但是是得分最高的