外觀
Biology › 生資速查
生資速查 (Bioinformatics Quick Reference)
依「手上有什麼」或「想知道什麼」找到對應筆記。每列只給入口,細節點連結看。
1. 拿到這個檔案 → 怎麼處理
| 檔案 | 內容 | 常做的事 → 工具 | 格式說明 |
|---|---|---|---|
.fastq.gz | reads + 每個鹼基的品質分數 | 品質報告 → FastQC;修剪 adapter / polyG → fastp | FASTQ |
.fa / .fasta | 參考序列或引子 / 蛋白質序列 | 建索引、取區域 → samtools faidx;選版本 → 參考基因組 | FASTA |
.bam / .cram | 比對結果 | 排序 / 索引 / 統計 → samtools;標記重複 → Picard / sambamba;目視 → IGV | BAM |
.vcf.gz | 變異 | 過濾 / 正規化 / 合併 → bcftools;索引與區域查詢 → tabix;註解 → VEP | VCF |
.bed | 區間(panel 目標區、peak) | 交集 / 覆蓋度 / 合併 → bedtools | BED |
.gtf / .gff3 | 基因 / 轉錄本 / exon 註解 | 比對與定量的註解輸入 → RNA-seq 比對;選哪套 → 基因註解 | GTF / GFF |
| count matrix(基因 × 樣本) | bulk RNA-seq 計數 | 過濾 / 標準化 → RNA-seq 05;差異表現 → RNA-seq 07 | — |
.h5ad / 10x filtered_feature_bc_matrix | 單細胞計數(稀疏) | QC / 分群 / marker → AnnData / scanpy | 單細胞 RNA-seq |
| DICOM / NIfTI | 醫學影像 | 讀取、spacing、mask → 生醫影像分析 | 醫學影像 |
座標系統不同是最常見的 off-by-one 來源:BED 是 0-based 半開區間,VCF / GTF / SAM 是 1-based,見 0-based vs 1-based。
2. 想查這個 → 去哪個資料庫
| 想知道 | 首選 | 補充 |
|---|---|---|
| 基因的正式名稱、別名 | HGNC | NCBI Gene、GeneCards |
| 基因位置、轉錄本、外顯子 | Ensembl、UCSC Genome Browser | 臨床報告用的轉錄本 → MANE(基因註解) |
| 變異的寫法是否正確 | HGVS 命名 | — |
| 變異的 rsID | dbSNP | — |
| 變異是否被判讀為致病 | ClinVar | VarSome(整合瀏覽)、BRCA Exchange |
| 變異在族群中多常見 | gnomAD | 東亞 / 台灣 → TaiwanGenomes、HGVD;結構變異 → DGV |
| 變異對蛋白質 / 剪接的預測影響 | VEP | 分數怎麼用 → in-silico 預測 |
| 基因與哪些疾病有關、證據多強 | OMIM、ClinGen 基因有效性、GenCC | GeneReviews、PanelApp |
| 病人表型 → 候選基因 | HPO | 罕病 → Orphanet、台灣罕病 |
| 癌症體細胞變異的意義 | COSMIC、CIViC | 治療指引 → NCCN;公開腫瘤資料 → TCGA / GDC |
| 變異 / 基因型影響用藥 | CPIC | ClinPGx(PharmGKB);伴隨診斷 → FDA |
| 變異與複雜性狀的關聯 | GWAS Catalog | 調控機制 → eQTL(GTEx) |
| 基因在哪個組織 / 細胞表現 | GTEx | 蛋白層級 → Human Protein Atlas |
| 蛋白質功能、結構域 | UniProt | InterPro |
| 基因屬於哪條通路 | KEGG | 富集分析 → RNA-seq 09 |
| 公開的原始定序資料 | SRA / ENA / GEO | — |
| 微生物分類參考 | 微生物體資料庫 | — |
| 臨床代碼(診斷、檢驗、藥物) | 臨床術語總表 | 查 ontology 用語 → OLS |
完整的變異查詢順序(ID → 臨床證據 → 頻率 → 功能 → ACMG/AMP)見 遺傳學資料庫:查詢流程。
3. 想回答這個問題 → 用什麼技術與流程
| 生物問題 | 技術 | 分析流程 / 方法 |
|---|---|---|
| 病人帶有哪些致病變異(罕病、遺傳性癌症) | WES / panel | 變異呼叫(germline) → ACMG/AMP |
| 腫瘤帶有哪些體細胞突變 | 腫瘤 / 正常配對定序 | 變異呼叫(Mutect2) → 突變特徵 |
| 能不能從血液追蹤腫瘤 / MRD | 液態切片(cfDNA / ctDNA) | 低 VAF 偵測 → VAF、UMI 與一致序列;療效評估 → 腫瘤臨床終點 |
| 結構變異、重複區、單倍型 | 長讀定序(PacBio / ONT) | 其他 caller 與變異類型 |
| 哪些基因在不同條件下表現改變 | bulk RNA-seq | RNA-seq 分析;microarray / 複雜設計 → limma |
| 樣本裡有哪些細胞類型 / 狀態 | 單細胞 RNA-seq | scanpy 流程、軌跡分析 |
| 轉錄因子 / 組蛋白修飾結合在哪 | ChIP-seq | peak calling → 差異結合 |
| 哪些變異與性狀有關、透過哪個基因 | 基因分型晶片 / WGS | GWAS → QTL → Colocalization |
| 微生物群落組成與功能 | 16S vs shotgun | 16S 分析、Shotgun 宏基因體 |
| 驗證 NGS 找到的變異 / 表現差異 | qPCR、Western blot、ELISA | 設計引子 → 引子設計 |
| 檢測方法是否可靠、可上線 | 檢測確效 | 標準品 → GIAB 等參考標準 |
| 影像中的病灶或組織結構 | CT / MRI / PET / 超音波 | 影像分析、電腦視覺 |
| 用病歷資料做世代研究 | OMOP-CDM | 臨床資料庫、存活分析 |
4. 分析步驟 → 統計 / ML 方法
| 生資步驟 | 背後的方法 | 見 |
|---|---|---|
| RNA-seq 差異表現(DESeq2 / edgeR) | 負二項 GLM、過度離散、經驗貝氏收縮 | GLM 與計數模型、RNA-seq 06 |
| 數萬個基因同時檢定 | FDR(Benjamini–Hochberg) | 多重檢定 |
| 樣本分群、找異常樣本 | PCA、階層分群 | PCA、分群 |
| 批次效應、配對 / 重複量測設計 | 設計矩陣加入批次、混合效應模型 | 干擾與批次效應、混合效應模型、limma |
| 單細胞降維與分群 | PCA → kNN 圖 → Leiden、UMAP | UMAP、網路分析 |
| 單細胞批次整合 | VAE(scVI)、負二項似然 | 單細胞深度學習 |
| 用表現量 / 變異預測表型 | 高維小樣本(p ≫ n)、正則化、資料洩漏 | 高維資料、資料洩漏 |
| 序列 → 功能 / 結構 | CNN、蛋白質語言模型 | 序列與蛋白模型 |
| 微生物差異豐度 | 組成資料、稀疏計數 | 雙變數相關(組成資料的假相關)、16S 分析 |
| 大型基因體資料(數十萬樣本) | 分散式運算、欄式儲存 | Glow / Hail、DuckDB / Parquet |
5. 常被混淆的概念
| 容易混為一談 | 差別 | 見 |
|---|---|---|
| VAF vs 族群等位基因頻率 | VAF 是一個樣本內支持變異的 reads 比例;AF 是變異在族群中的頻率 | 變異等位基因頻率 |
| de novo vs novel | de novo 是父母都沒有、在子代新發生;novel 只是資料庫裡沒看過 | 新生變異 |
GRCh37 vs GRCh38、chr1 vs 1 | 座標不同;同版本也有 UCSC / Ensembl 兩種染色體命名,混用會整批對不上 | 參考基因組 |
| 鹼基品質 vs 比對品質 | Phred 分數評估單一鹼基定錯的機率;MAPQ 評估 read 放錯位置的機率 | 鹼基品質分數、MAPQ |
| Raw depth vs unique depth | raw depth 數 reads;unique depth 數原始分子(UMI 家族),低 VAF 偵測極限由後者決定 | UMI 與一致序列 |
| CIGAR vs MD | CIGAR 記錄比對結構(indel、clip),SNV 藏在 M 裡;MD 記錄錯配位置與參考鹼基 | BAM:MD 與 NM |
| LoB vs LoD vs LoQ | LoB:空白樣本的上限;LoD:能和空白可靠區分的最低量;LoQ:能準確定量的最低量 | 檢測確效 |
| 相關 vs 一致 | 兩方法 r 接近 1 仍可能有系統性偏差;方法比較用 Bland-Altman | 方法比較 |
| PFS vs DFS vs OS | PFS 用於有可量測疾病時、DFS 用於根治性治療後;OS 計任何原因死亡 | 腫瘤臨床終點 |
| 深度 vs 均勻度 | 平均深度高不代表每個目標區都夠;要看達到某深度的比例 | 深度與覆蓋度、均勻度 |
| TPM vs counts | TPM 適合樣本內比較與作圖;DESeq2 / edgeR 要吃原始 counts | RNA-seq 05:標準化方法比較 |
| 生物重複 vs 技術重複 | 推論要靠生物重複;技術重複只量測量誤差,當成獨立樣本會變成假重複 | 實驗設計 |
| Validation vs verification | validation 是自建 / 修改的方法要證明可用;verification 是確認已核准的方法在自家實驗室表現一致 | 檢測確效 |
| 血清 vs 血漿 | 血清已凝血、不含凝血因子;cfDNA 分析要用血漿,避免白血球破裂釋出 DNA | 血清 vs 血漿 |
| 資料庫有紀錄 vs 已確認致病 | ClinVar 有衝突分類、HGMD 收錄文獻提及;要看審閱等級與證據 | ACMG/AMP、ClinVar |