category
生物信息学是把高通量测序产出的原始读长，一步步还原成变异、表达量与结构结论的计算流水线。本专题覆盖完整工程链路：生信数据流与文件格式生态、二代与三代测序原理、FASTQ 质控与预处理、序列比对算法与 BWA、SAM/BAM 格式与 samtools、变异检测与 VCF 处理、RNA-seq 转录组分析、Nextflow 与 nf-core 流程编排、单细胞测序分析、系统发育建树、蛋白质结构预测，以及可复现性与容器化实践。后续补充的 6 篇进阶内容进一步覆盖基因组组装、宏基因组与微生物组、表观基因组与染色质分析、变异注释与临床解读、蛋白质组学与质谱分析，以及多组学整合与批次效应。
系统讲解多组学整合与批次效应：从转录组与蛋白组及代谢组的整合范式、批次效应的来源与检测、ComBat 与 limma 及 RUV 的校正方法、早期与晚期整合策略取舍、降维聚类与相似度网络、MOFA 因子分析与调控网络推断，到整合结果的验证与可复现性，给出可复用的代码与判据。
系统讲解蛋白质组学与质谱分析：从 LC-MS/MS 原理与 mzML 数据格式、数据库搜索与谱库搜索的肽段鉴定、靶诱饵策略的 FDR 控制、label-free 与 TMT 及 DIA 定量策略、蛋白质推断与缺失值处理，到磷酸化等翻译后修饰分析与差异表达统计，给出可复用的命令与阈值。
系统讲解变异注释与临床解读：从 VEP 与 snpEff 注释流程、gnomAD 与 ClinVar 及 OMIM 数据库整合、CADD 与 REVEL 等打分器、ACMG/AMP 致病性判读准则与自动化工具，到 SV 与 CNV 的注释、报告生成与可重复性保障，给出可复用的命令与判读阈值。
系统讲解表观基因组与染色质分析：从 ChIP-seq 与 ATAC-seq 的实验原理与对照设计、FRiP 与 TSS 富集等质控指标、MACS2 峰值检测与 IDR 可重复性评估、motif 富集与足迹分析、差异结合分析，到 Hi-C 三维基因组概览，给出可复用的命令与阈值。
系统讲解宏基因组与微生物组分析：从 16S 扩增子与全宏基因组测序的取舍、采样与低生物量污染控制、Kraken2 与 MetaPhlAn 的物种分类与丰度估计、HUMAnN 功能通路注释，到 alpha 与 beta 多样性统计、差异丰度分析的组成性陷阱，给出可复用的命令与阈值。
系统讲解基因组从头组装：从三代测序格局与覆盖度估算、OLC 与 de Bruijn 图的算法取舍、k-mer 选择与纠错、contig 与 scaffold 构建、gap 填补与 Hi-C 挂载，到 QUAST 与 BUSCO 质量评估、T2T 与泛基因组，给出可复用的命令与参数阈值。
系统讲解生信可复现性与容器化：从可复现性的三个层次、版本锁定四要素、Docker 与 Singularity 容器化、Conda 环境管理、参考数据与索引的版本化，到参数文件与配置管理、数据溯源与元数据、工作流引擎的可复现支持，以及审计与共享实践，给出可落地的工程方案。
系统讲解蛋白质结构预测与 AlphaFold 应用：从结构预测的历史与意义、经典方法、AlphaFold2 的注意力机制与 MSA 突破、本地运行与 ColabFold、pLDDT 与 PAE 结果评估、AlphaFold-Multimer 多聚体预测，到结构分析工具与药物设计应用，并剖析其局限性与错误使用场景。
系统讲解系统发育与进化分析：从多序列比对 MSA、距离法与最大似然与贝叶斯推断、IQ-TREE 与 RAxML 与 MrBayes 建树、bootstrap 与后验概率的树评估、分子钟与时间树，到 dN/dS 选择压力分析与宏基因组系统发育，给出可复用命令与模型选择方法。
系统讲解单细胞测序数据分析：从 10x 与液滴技术路线、稀疏矩阵与零膨胀特征，到 Cell Ranger 上游处理、细胞与基因质控、归一化与高变基因、PCA 与 UMAP 降维、聚类与细胞类型注释、标记基因与差异表达、轨迹推断与数据整合，给出可复用的 Scanpy 与 Seurat 代码与阈值。
聚焦生信特有的流程编排问题：nf-core 生态与规范、参考基因组索引的编排与缓存、BAM 等大中间产物的生命周期管理、按步骤的资源估算与动态调整、样本表驱动、容器与版本锁定、断点续跑，以及从本地到集群与云的可移植性，给出可复用的 Nextflow 与 Snakemake 片段。
系统讲解 RNA-seq 转录组分析：从与 DNA 测序的差异、实验设计与重复、比对与无比对定量路线，到表达矩阵生成、CPM 与 TPM 与 FPKM 归一化、DESeq2 与 edgeR 差异表达、多重检验校正与统计陷阱、GO 与 KEGG 富集、GSEA，以及可变剪接与融合基因检测，给出可复用命令与阈值。
系统讲解变异检测与 VCF 处理：从 SNP、indel、SV 的类型划分，到 GATK HaplotypeCaller 的局部组装原理、GVCF 与联合基因分型、VCF 字段解析、硬过滤与 VQSR 的取舍、VEP 注释、Mutect2 体细胞检测，以及结构变异与 CNV 的检测思路，给出可复用的命令与过滤阈值。
逐字段解析 SAM 格式与 FLAG 标志位，讲透 BAM 二进制编码与索引机制，系统梳理 samtools 的 view、sort、index、flagstat、depth、mpileup 等命令与过滤语法，覆盖覆盖度分析、格式互转、子集提取与大规模 BAM 的并行性能优化，给出可复用的命令清单与排错方法。
深入序列比对算法与 BWA 实战：从 FM-index 与 Burrows-Wheeler 变换、种子扩展策略，到 BWA-MEM 参数调优、比对打分与 CIGAR 语义、Bowtie2 与 minimap2 的取舍、比对后处理链，以及比对率评估与剪接比对、长读、古 DNA 等特殊场景，给出可复用的命令与调参思路。
系统讲解 FASTQ 质控与预处理：FastQC 报告逐项解读、接头与污染识别、fastp 实战配置、滑窗与全局质量剪裁策略、UMI 与去重、双端数据的同步处理、污染检测与去污染，以及质控指标如何与下游比对和变异检测衔接，并给出可直接复用的命令、阈值与质控闭环验证方法。
从一代到三代测序的技术演进讲起，深入 Illumina 边合成边测序原理、文库制备与接头结构、双端测序与插入片段、Phred 质量值、PacBio 与 Nanopore 长读长、BCL 到 FASTQ 的转换，以及测序深度与实验设计，帮助工程师理解原始数据的来源与噪声。
从生物学问题到计算问题的完整映射，拆解中心法则与数据层级、参考基因组与注释体系、FASTQ 到 VCF 的格式全景、WGS 与 RNA-seq 等主流流程、工具链生态与计算环境选型，并给出数据规模估算与存储成本，帮助工程师建立从比对到可复现的生信全景认知。