??在跟著健明老師學習生物信息學的過程中，少走了很多彎路，躲過了很多坑，在指導下淺嘗過一些。但是自己常?？墼恚蛛p叒叕落坑，百思不得其解。
以下是之前遇到的問題，今天整理帶大家一起分析分析，若有不嚴謹或者錯誤的地方，強烈歡迎指正：

問題1
??首先，我們討論一個問題，我們都知道同源染色體上的堿基并不完全相同，但是為什么參考基因組參考序列是單序列而不是雙序列呢？

我們需要了解“人類基因組計劃”和“千人基因組計劃”以及2017-12-28央視宣布我國啟動“中國10萬人基因組計劃”

??人類細胞內共有22對常染色體,2對性染色體,共24條染色體。人體有23對,46條染色體,但卻測定24條染色體.說明有部分染色體無需全測,這很自然的就聯想到“常染色體每對是互補配對”的性質,說明,每對染色體中的兩條,基因相同,只需測一條就可知另一條的基因。如果是這樣的話,需測22對常染色體,那么剩下的就自然是兩條性染色體,因為X染色體與Y染色體構造有所不同（Y染色體比X少一部分）,所以兩條都要測。
??則一共22條常染色體+2條性染色體=24條染色體。

??然后有人想到了同源染色體上等位基因的情況：

??等位基因（allele）又作allelomorph.可能出現在染色體某特定座位上的兩個或多個基因中的一個。若一個座位上的基因以兩個以上的狀態(tài)存在，便稱為復等位基因。若成對的等位基因中兩個成員完全相同，則該個體對此性狀來說成為純合子。若兩個等位基因各不相同，則該個體對該性狀來說是雜合子。由于等位基因都對應同一性狀,所以只要測其中一個,其等位基因會作為特殊基因單獨測序,但不作為人類基因組計劃另外測定。同源染色體具體的序列不一樣，但是結構是一樣的，所以沒必要多測。也就是說人類基因組計劃要搞清楚的是基因片段與性狀的關系，重點不在堿基序列。
??因為同源染色體上的顯隱性基因控制的是同一性狀的不同表現類型！就好比紅綠色盲基因和色覺正?；蚴俏挥谕慈旧w上的同一位置的！基因測序時，只要知道這個位置的基因是控制色覺的就行了！這大概就是人類基因組計劃的目的（通俗意思，請自行谷歌客觀了解）

---

接下來我們回顧以下測序過程：引出其他問題

問題2
測序過程中以上圖很明顯read1和read2為interset區(qū)域兩條互補鏈并且方向相對的兩部分序列，那測序過程中如何實現將此兩條序列比對到單鏈的參考基因組呢？

??為了得到答案，翻書，谷歌，看原理視屏依然沒有解決問題，于是在熟練Linux和各文件格式之后，我找了真實fq數據中的一對reads一探究竟。
步驟1:找出具體信息為CAY9KANXX:5:1101:1113:2067的一對fq（一對reads），笨辦法列出所有堿基，如下圖：

??根據原理，我們可以知道上圖中的fq1和fq2是實際測序得到的read1和read2。
注意：Excel排版原因導read1和read2顯示長短不一，經過計算實際均為150個堿基。

---

步驟2:然后在得到原始sam/bam文件中找到這對reads，并列出堿基觀察（：

??仔細肉眼比對圖二和圖一，發(fā)現bam文件中reads2已被轉義并且倒序排列。為什么這么確定是倒序過來的呢？細心的人會發(fā)現reads的質量值是倒過來的。到此問題2已經得到的解釋。

為了徹底搞清楚，我們在IGV中可視化直觀看一下：

我將圖2中的重復堿基標紅，將這兩條序列的bam文件導入IGV中可視化：

圖3中，非常直觀看到兩條帶方向箭頭的灰色條帶（read1和read2）的比對到單序列的參考基因組（下方彩色條帶）。

---

??為了更加直觀，讓自己死心（我也是服了自己那顆躁動的心），我把對應參考序列也列出來了，模擬了一下IGV的比對情況，如圖:

依然要總結一下：
??雙端測序下機數據中得到的read1和read2是兩條互補鏈insertsize中方向相對的兩條序列，再比對到單鏈的參考基因組之前會先將其中一條read轉義，然后進行比對，所以比對得到的SAM和BAM文件中read1和read2有一條是被轉了的。
??全劇終。。。。。。
參考：
??1.生信技能樹健明大牛線下培訓
??2.基因課視屏截圖
??3.陳巍學基因