宅在家兩個多月，不知不覺已經是春天了，也許距離返校的日子更近了吧...
變異 ，指的是實際測序數據與國際規定的參考基因組之間的區別。很多變異其實只是造成人類多樣性的原因。 突變 ，指的是那些與疾病相關的變異。
舉個例子：ENSEMBL等規定的人類參考基因組文件某位置是AAAAA，然後壹個人實際測序得到的序列為AGCAA，那麽相比於參考基因組，這個人就有2個變異位點。對於第2個位置，如果查看所有已知的測序，絕大部分人都是G，說明是參考基因組出現了問題，這個變異就不能稱作突變。對於第3個位置，如果查看所有已知的測序，絕大部分人都是A，而恰好有壹個人不是A，但他是個患者，那麽這個變異就是突變了。
SNP（single nucleotide polymorphism）：單核苷酸多態性。 個體間基因組DNA序列同壹位置單個核苷酸變異（替換、插入或缺失）所引起的多態性。在人類基因組中SNP分布普遍並且密度較大，總數超過107， 平均每300bp（也有說1kbp）就有壹個SNP。或稱單核苷酸位點變異SNV。
INDEL（insertion-deletion）：插入和缺失。 基因組上小片段（>50bp）的插入或缺失。
CNV（copy number variation）：基因組拷貝數變異。 基因組中大片段的DNA形成非正常的拷貝數量。比如壹個基因在染色體的壹條染色單體上的數目為1，但是在染色體復制過程中，復制結束後該基因在染色單體數目由1變成了2或者n。它發生的頻率遠遠高於染色體結構變異，並且整個基因組中覆蓋的核苷酸總數大大超過SNP的總數。
SV（structure variation）：結構變異。 染色體大片段的插入與缺失，染色體內部的某區域發生翻轉顛換，兩條染色體之間發生重組。
壹般情況下只分析SNP，其它類型的變異分析有難度或不準確。
來自兩個不同個體的DNA片段AAGCCTA和AAGCTTA為等位基因。幾乎所有常見的SNP位點只有兩個等位基因。
在人體中，SNP的發生機率大約是0.1%，也就是每1000個堿基對就可能有壹個SNP（密度高）。對疾病發生和藥物治療有重大影響的SNP，估計只占數以百萬計SNP的很小壹部分。
SNP位點的分布是不均勻的，在非轉錄序列比在轉錄序列更常見。編碼區的單核苷酸多態性——編碼 SNP（coding SNP，cSNP）也有同義和非同義兩種類型，非同義SNP會改變蛋白質的氨基酸序列。基因非編碼區、基因間隔區的SNP仍然可能影響轉錄因子結合、剪接等過程。
從演化的觀點來看，SNP具有相當程度的穩定性，即使經過代代相傳，SNP所引起的改變卻不大，因此可用以研究族群演化。
HISAT2 是壹款利用改進的BWT算法進行序列比對的軟件。由約翰霍普金斯大學計算生物學中心（CCB at JHU）開發，是TopHat的升級版本，速度提高了50倍。利用 HISAT2 + StringTie 流程，可以快速地分析轉錄組測序數據，獲得每個基因和轉錄本的表達量。
首先需要構建參考基因組索引用於下壹步的比對。HISAT2提供了兩個腳本用於從基因組註釋GTF文件中提取剪接位點和外顯子位置，基於這些特征，可以使 RNA-Seq reads 比對更加準確。然後再進行reads mapping。
比對結果：
SAM（sequence Alignment/mapping）數據格式是目前高通量測序中存放比對數據的標準格式。BAM是SAM的二進制格式。使用samtools將sam文件轉化為bam文件，並進行排序。
SAM文件：
vcf格式（Variant Call Format）是存儲變異位點的標準格式，用於記錄variants（SNP / InDel）。BCF是VCF的二進制文件。
stats統計文件：