问：论文附录里的基因序列重复率很高怎么办？
- 答：毕业论文检测重复率过高，你只能去通过修改重复率才能通过学校的检测的
话说你是用什么论文检测系统检测你论文的重复率的？
问：如何在文献中查找一个基因家族是否被别人做过？
- 答：知道一个基因的名称和ID，怎么查基因家族
NC表示人类基因组DNA的RefSeq。（链接序列）
NM表示mRNA的RefSeq。
NP表示蛋白质的RefSeq
查找基因的基本信息的方法如下:
根据文献中已知的基因ID如果你在文献中看到你感兴趣的基因，而且文中还提到了
基因在Genbank中的ID号，那就好办了，直接打开http://www.ncbi.nlm.nih.gov ，在Search后的下拉框中选择Nucleotide，把Genbank ID号输入GO前面的文本框中，点“GO”，就可以找到了。(如GenBank accession number gi 16151096)”。
2. 根据已经获得的基因的相关信息进行查找，打开http://www.ncbi.nlm.nih.gov/在search后面的下拉框中选择Gene，然后在中间的文本框中输入基因名称“VEGF”，点击GO。搜索结果出来了，点击箭头所指的Limits, Limits的意思其实就是高级检索，你可以在这里对检索词进行很多限制，这样能大大精简查询结果。我们接着来，在Limits这个界面，先选择查询的限定范围：先选Gene name(基因名称)；然后再选择Limit by Taxonomy（生物分类限定）中的Homo sapiens（人类），然后再点击“GO”。直接点击基因名称“VEGFA”就可以看到有关基因的信息了。需要指出的是，在Genbank中，基因有很多别名（Aliases），和Genbank中记录的名称有可能不一致。比如在这里，VEGFA是Genbank中记录的基因名称，而它还有很多别名，比如MGC70609, VEGF（这就是我们要找的基因名称 ）, VEGF-A, VPF；还有，在这里可以看到该基因在染色体上的位置... 再往下看，可以看到Genomic regions, transcripts, and products，这里显示了该基因在基因组中的位置，以及转录本的生成情况：就看见了目的基因的mRNA的链接（如NM_001025366.1）和蛋白质的链接（如NP_001020537.2 ） 这里得说两句，有的基因也许只有一个编码序列，但有的基因有很多的mRNA剪接体，但都是归在一个基因名称下面。比如，在VEGF基因下面有7个序列，分别是vascular endothelial growth factor A isoform a, isoform c, isoform d, isoform e, isoform f , isoform g, isoform b precursor ，就需要根据查阅的文献以及在这些基因序列后面的解释来确定了。如果我想找的基因是第一个序列即isoform a, 就可以点击NM
问：怎么从NCBI上查某个基因序列？
答：1、打开NCBI
百度搜索键入“NCBI”，点击“搜索”，第一个就是官方主页，点击打开。
2、关键字查找
以H9亚型流感病毒HA基因下载为例，说明详细过程。
既然要下载基因序列，需要在栏目内找到“Nucleotide”（核苷酸），搜索栏内填入“Avian influenza virus H9 HA”，点击“search”。
3、添加限定词
点击搜索后，我们看到页面中间显示了很多关于“Avian influenza virus H9 HA”的基因序列，如果其中的一个符合你的要求，就可以下载。
如何不符合的要求，可以继续在搜索条内添加限定，比如添加“2010”，即2010年分离到的病毒。
3、序列选定
找到目标基因序列后，我们要将其下载下来。以给出第一个序列为例，点击序列前面的“小方格”，将其选定。
4、下载序列
选定后，点击页面右上角的“Send to”，选择“file”，再将format选择为“FASTA”格式，点击“Create file”，将序列下载到自定的文件夹内。
5、用DNAStar打开
下载的序列为FASTA格式，需要使用相关的软件打开，小编经常使用的是DNAStar中的Editseq，这个功能还是很强大的。
答：1、在电脑浏览器上百度搜索ncbi，需要点击相关链接进入。
2、下一步输入对应的序列号进行查询，比如图示的AY683546.1。
3、这个时候可以找到相应的基因，直接选择打开。
4、这样一来会看到其中的详细信息，即可从NCBI上查某个基因序列了。
- 答：1 打开NCBI主页
2 左边search里面选择GENE 右边的对话框里输入你想要的基因名称
3 在出来的所有条目第一行后面都有种属表明，比如Homo sapiens是人Felis catus是猫。选择你想要的种属。
4 再出现的页面中找到那个像数轴的图，在左侧有可以点击的蓝色数字，往往开头有AK、NM的开头，点击它，再出现的下拉框里选择GENEBANK。
5 最下面就是他的基因序列 当然也可以参考页面上提供的CDS区域范围来看。 答：使用NCBI查找基因序列教程
问：论文检测报告怎么看？
答：论文查重报告是指通过论文查重系统检测出的论文，论文查重报告主要包括了论文查重率、论文对比、对比来源、作者姓名等基本信息。通常，相似度在80%~100%会用红色字体显示出来，相似度50%~80%的用黄色字体显示，而绿色字体表示没有找到相似的语句，一般红色部分建议修改，黄色部分酌情修改。
其次，毕业论文查重报告是在提交了论文，并且检测完成之后论文查重报告才会有。在paperfree、papertime提交检测论文，检测完成就会生成报告，点击导航栏“查看报告”，然后找到刚刚查重的论文后面的查看报告就可以了。
在查重报告的开头，可以看到作者、提交检测时间、论文标题等信息，下面一点可以看见论文的总体相似度、详细报告、综合评估、查看原文、使用帮助、打印pdf等，在往下是正文部分，用对应的颜色标注了，可以一目了然的看到，哪些部分相似度极高，哪些地方相似度适中，哪些地方没有找到相似语句，同时paperfree、papertime还提供了“在线改重”功能，实现了一边修改论文，一边论文查重，改哪里检测那里，可以提高论文降重的效率，节省修改论文时间。
- 答：如今，越来越多的人写论文了，为防止抄袭、代写、抄袭、买卖论文等学术不端现象，所有要发表的论文和学生毕业论文都需要进行查重检测，并得到论文检测报告，以避免抄袭、代写、抄袭、买卖论文等学术不端现象。论文检测报告怎么看？
一、如何下载论文检测报告？
论文检测报告由论文检测系统提供，论文作者只需上传到选定的检测系统，该系统可以自动地将论文中的内容与数据库中的文献进行检测，计算出重复率，最终呈现为论文的检测报告。这一过程一般需要三十分钟左右，检测完毕，直接点击查看报告即可查看报告，按下下载报告，检测报告就会以PDF格式存入本地。目前市场上有各种各样的论文检测系统，建议大家在选择检测系统时必须综合考虑安全性和准确性，Paperfree论文查重系统是一个很好的选择。
二、论文检测报告如何看？
各种论文检测系统的论文检测报告会有不同，但差别不大，以Paperfree论文检测系统为例。第一页为论文检测结果的基本信息，包括对比结果、报告编号、论文主题、论文作者、语句相似性分布图和本地库相似资源清单等，报表中用红色标记出的内容属于严重相似内容，相似性在70％以上建议完全修改，用橙色表示的内容是轻微相似内容，相似度高于40％低于70％，经适当修改，不得以任何颜色标记的文本为合格部分。 - 答：主要就是看以下几点：
1、总文字复制比，也就是检测出来的重复率。
2、全文标明引文，重复都已经被标红。
3、全文对照报告单，相似内容来源都准确标出。红色文字表示文字复制部分;黄色文字表示引用部分，根据指示进行修改就可以了。
问：详解编辑距离(Edit Distance)及其代码实现？
答： 编辑距离（Minimum Edit Distance，MED），由俄罗斯科学家 Vladimir Levenshtein 在1965年提出，也因此而得名 Levenshtein Distance。
在信息论、语言学和计算机科学领域，Levenshtein Distance 是用来度量两个序列相似程度的指标。通俗地来讲，编辑距离指的是在两个单词 之间，由其中一个单词 转换为另一个单词 所需要的最少 单字符编辑操作 次数。
在这里定义的单字符编辑操作有且仅有三种：
譬如，"kitten" 和 "sitting" 这两个单词，由 "kitten" 转换为 "sitting" 需要的最少单字符编辑操作有：
1.kitten → sitten (substitution of "s" for "k")
2.sitten → sittin (substitution of "i" for "e")
3.sittin → sitting (insertion of "g" at the end)因此，"kitten" 和 "sitting" 这两个单词之间的编辑距离为 3 。
我们将两个字符串 的 Levenshtein Distance 表示为 ，其中 和 分别对应 的长度。那么，在这里两个字符串 的 Levenshtein Distance，即 可用如下的数学语言描述：
以 和 为例，建立一个矩阵，通过矩阵记录计算好的距离：
当 时， ，根据此初始化矩阵的第一行和第一列:
依据上面的公式可以继续推导出第二行：
第二行（index = 1）推导
继续迭代，第三行（index = 2）推导
直至推导出最终结果：
1 递归方式
2 动态规划
递归是从后向前分解，那与之相对的就是从前向后计算，逐渐推导出最终结果，此法被称之为动态规划，动态规划很适用于具有重叠计算性质的问题，但这个过程中会存储大量的中间计算的结果，一个好的动态规划算法会尽量减少空间复杂度。编辑距离是NLP基本的度量文本相似度的算法，可以作为文本相似任务的重要特征之一，其可应用于诸如拼写检查、论文查重、基因序列分析等多个方面。但是其缺点也很明显，算法基于文本自身的结构去计算，并没有办法获取到语义层面的信息。
由于需要利用矩阵，故空间复杂度为O(MN)。这个在两个字符串都比较短小的情况下，能获得不错的性能。不过，如果字符串比较长的情况下，就需要极大的空间存放矩阵。例如：两个字符串都是20000字符，则 LD 矩阵的大小为：20000 * 20000 * 2=800000000 Byte=800MB。
[1] https://blog.csdn.net/ghsau/article/details/78903076
[2] https://en.wikipedia.org/wiki/Levenshtein_distance
[3] https://www.dreamxu.com/books/dsa/dp/edit-distance.html
[4] https://www.jianshu.com/p/a96095aa92bc
问：Dnaandcellbiology查重多少？
- 答：最新自引率为2.70%。
生物学期刊DNAandCellBiology，创刊于1990年，目前由MARYANNLIEBERT,INC以月刊的形式发行，期刊ISSN号为1044-5498，eISSN号为1557-7430缩写名为DNACELLBIOL。
DNAandCellBiology期刊的主编是来自NewYorkUniversity的CarolShoshkesReiss教授。CarolShoshkesReiss教授致力于中枢神经系统病毒感染、先天免疫在宿主反应中的作用、病毒溶瘤、嗅觉相关行为和转化医学等领域，目前已发表相关文章100余篇。
另外，针对不同的栏目，DNAandCellBiology期刊还设置了不同的编辑。
问：基因组序列比对算法介绍（一）？
答： 基因组重测序中序列比对介绍
重测序基因组数据比对，是指将测序仪下机fastq数据（NGS read序列，通常100-150bp），与人类参考基因组（reference）进行匹配，允许错配（mismatch），插入缺失（indel），目的是在参考基因组找到序列最相似的位置，通常是基因组分析(包括 variation calling，ChIP-seq，RNA-seq，BS-seq)流程的第一步。
常用算法
图一
汉明距离（Hamming distance）表示两个（相同长度）字对应位置不同的数量，我们以d（x,y）表示两个字x,y之间的汉明距离。对两个字符串进行异或运算，并统计结果为1的个数，那么这个数就是汉明距离。图中read1最佳位置的方法，就是通过查找最小汉明距离的实现的。
编辑距离（Edit distance）是针对二个字符串（例如英文字）的差异程度的量化量测，量测方式是看至少需要多少次的处理才能将一个字符串变成另一个字符串。图中read3最佳位置，通过查找最我辑距离的方法实现。
图二
全局比对（Global alignment）：全局比对是指将参与比对的两条序列里面的所有字符进行比对。全局比对在全局范围内对两条序列进行比对打分，找出最佳比对，主要被用来寻找关系密切的序列。其可以用来鉴别或证明新序列与已知序列家族的同源性，是进行分子进化分析的重要前提。其代表是Needleman-Wunsch算法。图一中，read3使用全部比对。
局部比对（Local alignment）：与全局比对不同，局部比对不必对两个完整的序列进行比对，而是在每个序列中使用某些局部区域片段进行比对。其产生的需求在于、人们发现有的蛋白序列虽然在序列整体上表现出较大的差异性，但是在某些局部区域能独立的发挥相同的功能，序列相当保守。这时候依靠全局比对明显不能得到这些局部相似序列的。其次，在真核生物的基因中，内含子片段表现出了极大变异性，外显子区域却较为保守，这时候全局比对表现出了其局限性，无法找出这些局部相似性序列。其代表是Smith-Waterman局部比对算法。图一中，read2使用局部比对。
图三
Smith-Waterman算法介绍
Smith-Waterman是由Temple F. Smith和Michael S. Waterman于1981年提出的一种进行局部序列比对（相对于全局比对）的算法，用于找出两个核苷酸序列或蛋白质序列之间的相似区域。该算法的目的不是进行全序列的比对，而是找出两个序列中具有高相似度的片段。S-W算法基于动态规划，它接受任意长度、任意位置、任意序列的对齐，并确定是否能找到最优的比对。
简单地说就是，动态规划找到问题中较小部分的解，然后把它们放在一起，形成整个问题的一个完整的最优最终解。
它优于BLAST和FASTA算法，因为它搜索了更大的可能性，具有更高的敏感性。
S-W算法不是一次查看整个序列，而是对多个长度的片段进行比较，寻找能够最大化得分的片段。算法本身本质上是递归的：
图四
算法步骤如下：
基因组分析***** 微信 公众号推出 《50篇文章深入理解NGS》系列文章， 第三篇文章 《基因组序列比对算法介绍（一）》，争取每周更新一篇高质量生信干货帖子。
关注 "基因组分析" 微信公众号，了解最新最全生信分析知识。
