Illumina测序工作流程的准确性
典型的测序工作流程包括样品/文库制备、簇扩增、DNA测序、图像分析/碱基调用、读取比对和变异发现。如果这些步骤中的任何一个产生了糟糕的结果，那么最终数据集的质量就会受到影响。
使用Illumina测序，该过程中的每一步都经过优化，可以在广泛的应用中提供准确的数据，以确保任何研究项目的高质量标准。
影响Illumina测序工作流程中每个步骤准确性的因素
平台精度
平台准确度描述了测序工作流程的整体准确度，包括从样品/文库制备到变体发现的每个步骤。测序工作流程可以分为三个主要阶段，每个阶段都提供独特的准确性贡献:样本/库精度，检测精度和算法精度。
测序技术视频
查看SBS技术的实际应用。
样品/库的准确性
样品的准确性与测序工作流程的文库准备步骤有关。在这一阶段，DNA被碎片化，用于文库的构建。文库中的每个片段最终将对应一个测序读取，因此高度的片段大小均匀性和文库多样性对于实现整个基因组的均匀覆盖非常重要。
在库准备过程中发生的错误，例如由于非多样性库而丢失的片段，无法由测序器识别。文库中未表示的基因组部分将不会测序，导致数据集存在空白。
此外，质量评分不反映在这一步中引入的错误，因为测序信号将显示干净和无错误。大多数测序平台所能达到的最大准确度受到样本准确度的限制。
因此，利用TruSeq和其他Illumina技术等高质量的图书馆建设解决方案至关重要。
TruSeq Library Prep最佳实践
查找执行TruSeq库准备和丰富协议的推荐最佳实践。
检测精度
检测精度是测序工作流程的第二阶段，包括聚类生成、DNA测序和原始数据分析。在此阶段中发生的任何错误通常都反映在质量分数中。
检测错误，不像样本错误，可以使用完善的每个基础质量分数来跟踪。
检测错误可以通过重测序、单读纠错或编码方案来改善。
yobet亚洲亚博官网人口了解更多关于质量分数算法的准确性
算法精度涉及工作流程的二级数据分析阶段，通常涉及对齐和变量调用。校准方法的准确性是至关重要的。
无论测序仪的数据质量有多高，次优对齐将导致最终数据集较差，可能存在不正确放置的错配、不均匀的覆盖和大量空白。反过来，这可能会导致很高的假阳性和假阴性率。由于同样的原因，变量调用方法本身也需要高度准确。
Illumina提供用户友好的生物信息学工具，使研究人员能够进行准确的比对和变异呼叫。
探索生物信息学工具
