- 序列模式
sequence pattern: 以特定的規(guī)則來描述堿基序列，
概率性的規(guī)則稱為motifs，如：GC后的堿基80%為A，20%為T
Adapter是最簡單的一種規(guī)則
K-mers：一段序列中所有字符串長度為k的組合，k小于等于序列長度
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用處：
指出錯誤：k-mers通常在序列出錯時出現(xiàn)
分類：特定的k-mers可以識別基因 - 序列對比
為確定兩個或多個序列之間的相似性以至于同源性，而將它們按照一定的規(guī)律排列。
將兩個或多個序列排列在一起，標(biāo)明其相似之處。序列中可以插入間隔（通常用短橫線“-”表示）。對應(yīng)的相同或相似的符號（在核酸中是A, T（或U）, C, G，在蛋白質(zhì)中是氨基酸殘基的單字母表示）排列在同一列上。
符號：
"-"： gap
"|"： match
".": dismatch
CIGAR string: 在SAM文件中的一種對比格式
比如：4M3D3M1X1M2D
M: Match
D: Deletion
X: Mismatch
如何選擇最好的對比序列：沒有最好的結(jié)果，分?jǐn)?shù)越高越好
分?jǐn)?shù)判定：
5分：match
-4分：mismatch
-10分：gap
-0.5分：extending an open gap
分?jǐn)?shù)可以隨著打分規(guī)則的改變而改變
Global alignment:總序列對比是兩條序列的每一個堿基都互相配對，即使兩個堿基不匹配或者一個堿基與一個gap配對
Local alignment: 局部對比
局部對比是指尋找分?jǐn)?shù)最高的配對方式，為最后可能得到一條很短的配對序列但是是得分最高的
