组学资料集合

最近在梳理知识，从基本常识开始恶补。
先贴上收集的一些资料：
解螺旋的矿工
从零开始完整学习全基因组测序（WGS）数据分析：第1节 DNA测序技术
沈梦圆博客中的RNA seq
简简单单讲insertion size
链特异建库那点事
NGS测序数据的质量控制 (Quality Control，QC)
华大转录组常见问题解答
不同组学研究建议采用的测序策略
转录组分析工具大比拼 （完整翻译版）

在查资料的时候才发现自己连很多基本的概念都是不太清楚的，比如：
插入片段的大小到底是什么？为什么会有插入片段大小这种东西？

插入片段大小（insertion size）是adaptors之间的序列，并不是至R1和R2之间的unknown gap。而unknown gap则称为inner mate。

插入片段大小.png

因此，insertion size小的好处就是：测序的覆盖度高，但在进行de novo 组装时，如果重复序列长于reads长度，那就无法确定重复序列的位置，无法进行拼接，也就只能得到一些contig。这个时候就会需要一些long reads看来确定位置，也就是MP文库。

但问题又来了：为什么又需要双端测序呢？因为经常reads的长度短于insertion，为了增加覆盖度就从insert两端同时测序。

还有就是为何在测序的数据里会需要去接头呢？像trimmomatic里的接头文件里的universal adaptor和indexed adatpor又是什么？
在软件中我们会看到的5-3的universal adaptor和3-5的indexed adatpor。接头在illumina中一般分为P5和P7接头，其中一个带有和flowcell上的探针反向互补的序列，以完成待测序列和探针结合的作用，另外一个接头带有barcord序列以区分不同的样本。因此，这个接头就不是我们所需要测的样品里的序列，需要把它去掉。
那为何会测到接头呢？这是因为如果insertion 太小的话，就会直接测穿，也就是测到了adaptor。

又比如在IGV的说明里会看到reads分为RF、FR等等方向，一直没搞懂。
原来是RNA seq里特异链建库中uDTP测序方法中的fr-firstrand,也就是RF。
dUTP测序中pair read 中的read1（R1）和基因方向相反，read2（R2）和基因方向相同。

RF.png

切记在看资料时，边看边思考，问问自己到底是怎么回事？
才能将问题想明白。