Bioconductor與R的版本對應

每個特定版本的Bioconductor，設計會對應到特定版本的R。例如：

• Bioconductor -3.11配R-4.0
• Bioconductor -3.10, 3.9配R-3.6
• Bioconductor -3.8, 3.7配R-3.5
• Bioconductor -3.6, 3.5配R-3.4

這個對應並不是一對一，較常出現的是兩個bioconductor版本對應到某個版本的R。

靈敏度 ✕ 特異度 ✕ ROC曲線

在開發檢測方法的時候，通常都會有許多參數可以調整。例如說：

• 提高靈敏度Sensitivity：故意把預測陽性的數目增多
• 提高特異度Specificity：故意把預測陰性的數量增多

這時候需要一個方法來估算某檢測方法的好壞。其中一種方式就是畫出某種檢測方法的ROC curve（Receiver Operating Characteristic curve見維基百科上面的範例圖）：

• y軸 = Sensitivity = TPR：故y值越大越好
• x軸 = 1 - Specificity = 1 - FPR：x值越小越好

混淆矩陣之 Accuracy, MCC, F1 score

前面兩篇文章談及預測準不準確的測量如下：

• 《混淆矩陣之 Sensitivity vs. Specificity》：以實際有無數量為分母的好壞判斷
• 《混淆矩陣之 Precision vs. NPV》：以陰陽性數量為分母的好壞判斷

這兩種都是要用多個數字來看預測準不準，這邊要介紹的則是用一個數值來看。要注意的是，因為只有用一個數字，所以一些極端的狀況下反而會有誤導。這些數值包含了：

• ACC：Accuracy、準確率。數值在0到1之間，越大越準
• 一般的檢測最愛拿這個當作標準，但如果實際有與實際無的數量差很多，使用ACC無法判斷檢測是不是好的。
• MCC：Matthews correlation coefficient，數值會在-1到1之間
• 數值靠近0：代表跟隨機亂猜差不多
• 數值遠離0：正的代表預測的很準、負值代表是反指標
• F1 score：又稱為F-score或F-measure
• sensitivity與precision的調和平均數，在0到1之間越大越好

跟之前一樣，先把混淆矩陣confusion matrix寫出來：

混淆矩陣之 Precision vs. NPV

上一篇談及《Sensitivity vs. Specificity》，主要是以實際有無為的數量當作分母來判斷檢測好不好。這篇談及的則是檢測出陰陽當作分母來判斷好壞。下面則是所使用到的混淆矩陣（Confusion Matrix）：

		真實情況
		有, +	無, -
預 測 結 果	陽性 Positive, P	(真陽性, TP)	(偽陽性, FP)	(P=TP+FP)
	陰性 Negative, N	(偽陰性, FN)	(真陰性, TN)	(N=FN+TN)

上述表格裡面使用(小括號)圈起來的代表是要填寫自然數，裡面縮寫分別代表：

混淆矩陣之 Sensitivity vs. Specificity

判斷一個預測的準確程度，會先把實際情形與預測結果的數量畫出一個矩陣，這個矩陣稱之為混淆矩陣（Confusion Matrix），畫出來就是下列的形式：

		真實情況
		有, +	無, -
預 測 結 果	陽性 Positive, P	(真陽性, TP)	(偽陽性, FP)
	陰性 Negative, N	(偽陰性, FN)	(真陰性, TN)
		(y=TP+FN)	(n=FP+TN)

上述表格裡面使用(小括號)圈起來的代表是要填寫自然數，裡面縮寫分別代表：

基因變異對於致病性的分類

對於基因變異對於某種疾病的致病性，可以根據AMCG (American College of Medical Genetics and Genomics)與AMP (Association for Molecular Pathology) 的建議分成五類：

• Pathogenic：致病
• Likely pathogenic：可能致病
• Uncertain significance：不明確
• Likely benign：可能良性
• Benign：良性

Illumina® SBS次世代定序技術

Sequence by Synthesis (SBS) 是Illumina公司的次世代定序技術，官方介紹如下：


包含了四個主要的步驟：

1. Sample preparation：樣品準備。
2. Cluster generation：每個上述的片段都會在定溫下放大（isothermally amplified）
3. Sequencing：使用標有螢光的核苷酸（nucleotide）來測定序列
4. Data analysis：將讀出來的小片段組裝起來

下面詳細說明這四個步驟：

Ion Torrent™ 次世代定序技術

Ion Torrent是Thermo Fisher Scientific公司的次世代定序NGS技術，官方介紹如下：

science circle

這個部落格主要寫與生命科學相關的議題，主要是：

• 阿茲海默症（Alzheimer's disease, AD）：相關的藥物與關聯因素
• 腸道菌（Gut microbiome）：腸道菌與食物和疾病的關聯
• 記憶：
• 關於做研究：做研究一些心得

臉書專頁叫做「不專業學術閒聊」
_EOF_

用needle與water做序列比對

要比較兩條序列（pairwise sequence alignment），最常用的兩種方法：

1. Needleman-Wunsch algorithm：做全域比對（global alignment）
2. Smith-Waterman algorithm：做區域比對（local alignment）

要做也很簡單，只要安裝EMBOSS（The European Molecular Biology Open Software Suite），就會內建needle與water兩個程式。只要準備好兩條用fasta格式寫的序列a.fasta與b.fasta，使用下面的指令即可，結果會輸出到global.needle與local.water這兩個檔案：

1. needle -asequence a.fasta -bsequence b.fasta -auto -outfile global.needle
2. water -asequence a.fasta -bsequence b.fasta -auto -outfile local.water

這邊-auto代表gap penalty相關的參數都用預設值。
若要直接輸出到標準輸出，那就將-outfile改成-stdout：

1. needle -asequence a.fasta -bsequence b.fasta -auto -stdout
2. water -asequence a.fasta -bsequence b.fasta -auto -stdout

_EOF_

計算核酸的濃度

現有一管single strand RNA (ssRNA)溶液1 mL，裡面的ssRNA重量是10 μg (microgram)，序列不知道但長度是41 nucleotides，計算此管ssRNA溶液的濃度：

• 重量濃度：10 μg / 1 mL = 10 * 10^-6 / 10^-3 g/L ＝ 10 * 10^-3 g/L = 10 mg/L

要計算體積莫耳濃度(molarity, M)，需要知道序列的分子量。如果序列已知又會寫Python程式可以參考這篇，不會寫程式的參考《DNA and RNA Molecular Weights and Conversions》，找到"Approximate M.W.'s of Nucleic Acids"這個段落：

• M.W. of ssRNA = (# nucleotides * 320.5) + 159.0 = (41 * 320.5) + 159.0 = 13299.5 g/mol = 13299.5 Daltons

上面公式是計算ssRNA分子量，如果是single-strand DNA或是double-strand DNA用：

• M.W. of ssDNA = (# nucleotides * 303.7) + 79.0
• M.W. of dsDNA = (# nucleotides * 607.4) + 157.9

有了分子量，可以用GraphPad的Molarity Calculator來計算體積莫耳濃度，或用下列公式手動作換算：

• 體積莫耳濃度：10 μg/mL = 10 mg/L = (10 mg/L) / (13299.5 g/mol)
  ≒ 0.0007519 mmol/L = 0.7519 μmol/L = 751.9 nmol/L = 751.9 nM  ≒ 0.75 μM

_EOF_