基于多序列比对的NGS基因纠错——云计算平台下的设计实现的任务书.docx

基于多序列比对的NGS基因纠错——云计算平台下的设计实现的任务书
任务书
任务名称：基于多序列比对的NGS基因纠错——云计算平台下的设计实现
任务目的：
1.学习多序列比对的原理和方法，掌握NGS基因纠错的基本技术；
2.熟悉云计算平台的使用，掌握在云端进行科学计算的方法和技巧；
3.能够独立设计和实现基于多序列比对的NGS基因纠错算法。
任务描述：
随着基因组学技术的快速发展，NGS技术已成为常规的基因组测序方法，但NGS在测序过程中存在一定的误差率，特别是在长读长时，误差率更高。NGS基因纠错是指对序列数据进行处理，纠正和减少测序误差以提高测序精度。本任务主要是基于多序列比对的NGS基因纠错，通过比对多个样品的数据，找出同源序列，从而实现测序数据的纠错。
任务实现：
本任务主要分为两个部分，第一部分是云计算平台的学习和使用，第二部分是基于多序列比对的NGS基因纠错的设计实现。具体实现过程如下：
1.学习云计算平台的使用
选定一个云计算平台（如AWS、GCP、Azure等），学习该平台的基本使用方法和技巧。掌握平台上的云计算资源和工具，如虚拟机、存储、容器、数据库、计算机视觉、深度学习框架等。
2.数据预处理
选定一些有关联的NGS序列数据，对数据进行预处理，包括序列拼接、去除冗余序列、序列质量控制等。
3.多样本序列比对
使用多序列比对算法，比对预处理后的多个样本的数据，找出同源序列，得到比对结果。常用的多序列比对算法包括MAFFT、MUSCLE等。
4.序列纠错
根据比对结果，进行序列纠错，去除测序误差，保留真实核苷酸序列。根据纠错结果，重新拼接序列，得到纠正后的NGS序列。
5.结果分析与展示
对纠正后的NGS序列进行结果分析和展示，包括序列质量评估、SNP检测、基因组注释等。
任务要求：
1.精通多序列比对的原理和方法，掌握NGS基因纠错的基本技术；
2.熟悉云计算平台的使用，掌握在云端进行科学计算的方法和技巧；
3.能够独立设计和实现基于多序列比对的NGS基因纠错算法；
4.提交任务报告，详细说明任务设计实现过程和结果分析，代码实现，任务小结和心得体会。
参考文献：
1.Algburi,A.,Zourob,M.,etal.(2018).MachinelearningapproachanditsintegrationwithbatcheffectremovalincorrectingGeneExpressiondata.BMCBioinformatics,19(1),257.
2.Anwar,F.,Johansen,I.,etal.(2018).LongreadsmakethedifferenceingeneexpressionprofilingofPinuscontorta.FrontiersinPlantScience,9,1748.
3.Peeters,J.G.C.,Nederlof,I.,etal.(2019).Sequence-basedidentificationofbiologicalcontaminantsinbiopharmaceuticals.npjVaccines,4(1),10.