SNP检测

酶切位点筛选的脚本，挺适合搞 SNP 标记开发的你。它的核心就是把SNP 位点转成CAPS 标记，也就是让原来只能用 HRM 搞的东西，变得更通用一点。你只要准备好已知的 SNP 位点，它就能帮你筛选出合适的酶切位点，起来还蛮快的，省了不少手工比对的麻烦。 比起传统的 HRM 方法，这种CAPS 转换方案更稳定，也方便后续扩展。尤其适合在没有太多高通量设备的实验室环境里搞事情。代码逻辑清晰，脚本结构也不复杂，就几个关键函数，改起来也方便。 如果你对标记管理感兴趣，可以顺手看看极客标记标记管理工具，工具界面简单，功能挺实用的。另外像GTASSIST这样的资源也不错，对遗传标记选择有不少经验总结。

dbSNP数据是指一条具体的多态性位点数据，如图1所示，其中间行表示多态性位点，R代表嘌呤（即G或A）。图1中使用了IUPAC的代号。

人类皮肤颜色的 SNP 统计数据挺有意思的，尤其是对搞前端可视化的你来说。数据结构清晰，字段命名也规整，拿来喂进可视化库完全没压力。用来练习Echarts或D3.js都挺合适，尤其是要搞那种基因分布图、族群差异图之类的。统计工具方面，Excel、SAS、SPSS 这些都能搞，尤其是 Excel 的表格格式化，前期预比较顺手。而且数据量不是大，日常测试也够用。如果你还不熟 SNP（单核苷酸多态性）是啥，简单说就是基因里一个碱基的位置不一样，比如 A 换成了 T，结果就是肤色深浅的差异。用来做热图、对比图，图表效果直观。建议你配合一些统计工具用，像是SPSS做前期，Excel改一下格式，丢给前端做

SNP初始化参数设定包括了JOB_QUEUE_PROCESSES参数，用于指定SNP后台进程的数量，可设定范围从0到36。同时还涉及JOB_QUEUE_INTERVAL参数，用于设定SNP后台进程唤醒的时间间隔，可设定范围从1到3600秒。

调整SNP初始化参数中的JOB_QUEUE_PROCESSES，确定SNP后台进程数量，可设定范围为0到36。调整JOB_QUEUE_INTERVAL参数，设定SNP后台进程唤醒时间间隔，可设定范围为1到3600秒。

异常检测技术的核心在于发现“不正常”的行为或者数据流。对前端来说，虽然不是直接对接这块，但理解这些概念，比如统计学方法、数据挖掘模型，对构建更安全的系统前端架构也蛮有的。尤其是你做管理后台、监控面板时，多数据可视化就靠这些底层逻辑撑着。

马氏距离matlab原始代码引文GTASSIST：大规模SNP基因分型的基因标记选择的客观评估措施Kaminuma E，Masuya H，Miura I，Motegi H，Takahasi KR，Nakazawa M，Matsui M，Gondo Y，Noda T，Shiroishi T，Wakana S，Toyoda T J Bioinform Comput Biol。2008 6：905-17。执照瑞肯：保留所有权利。请检查。联系信息如果您对GTASSIST软件有任何疑问，请向国家遗传学研究所和RIKEN BRC咨询。GTASSIST指令&< GTAssist>> GTAssist是在SN

SNP后台进程负责管理数据库快照及作业调度。 INIT.ORA初始化文件设置了JOB_QUEUE_PROCESSES = 4，同时启动的SNP进程数（作业数）最多为36个（SNP0, SNP1, SNP2,..., SNPZ）。 JOB_QUEUE_INTERVAL设定为60秒，控制SNP调度作业的执行间隔。 JOB_QUEUE_KEEP_CONNECTIONS参数决定是否保持作业与远程数据库的连接，TRUE表示所有连接持续到SNP进程终止，FALSE表示连接时间与作业执行时间相同。

在Matlab命令窗口中粘贴并执行文本，可用于共同学习。

matlab 的圆孔检测功能还蛮实用的，尤其你要做一些自动化检测或者图像识别相关的活，挺省事的。项目用的是MATLAB的图像工具箱，把一整套从预到结果导出的流程都跑通了，响应也快，代码也不复杂，适合你快速上手玩一玩。 图像预那块做得还不错，像灰度化、二值化这些基本操作都集成了，尤其是用滤波降噪那步，效果还挺的，能帮你把图像背景弄得干净点。后面的边缘检测环节也有好几种方法，比如你熟的Canny和Sobel都有支持，灵活选。 霍夫圆变换是检测圆孔的主力，用的是参数空间找峰值的思路，比较靠谱。你还能自己设定直径范围和圆度阈值，过滤一些乱入的假圆，这个自定义挺关键的。不然你图里一堆小干扰，结果就全乱了