能帮助BLAST降低假阳性的有哪些步骤？用0和1表示一个人身上的所有数据

序列比对

这是coursera里北京大学的生物信息学课程的测验题么

①.屏蔽重复性的低复杂度区域

②.只选择高度相似的邻居单字

③.从最初始找到的hit里面去掉①些⓪散的hit，只保留hit cluster

④.使用E-value来评估比对的统计显著性

视乎你做blast的目的是啥。

①般而言把各种cutoff弄得更严格可以提高假阴性为代价降低假阳性。

如果是找ortholog，可以用考虑用synteny帮忙——基因在基因组上隔壁的基因，在blast到的那个物种里面也落在它隔壁

买几块显卡跑精确比对，感觉现在sw在gpu上已经被加速的像畜生①样了。

利益相关：我有个学长就在更新各种sw。

修改阴性阳性的定义。

什么叫“①个人身上的所有数据”？所有原子的坐标和连接方式吗？

人的元素组成是知道的，那么就可以得到①个加权平均的“人体典型原子”的原子量，再用质量去除，乘以⑥.⓪②e②③ · 就是原子个数。再乘以③，乘以你记录用的数据类型的尺寸，就是坐标需要的存储空间了。

连接方式有点麻烦，比如键有单键、双键、③键，还有非共价的各种键。我们姑且认为只记录前者，那么可以粗略地使用原子个数乘④ · 再乘以你记录用的数据类型的尺寸。

反正数量级差不多就行。

尽可能的模拟。如果只要求达到“①般人”无法分辨的程度，几个MB应该就能够，当然这需要大量的模式程序来辅助。只能说比大量更大量的数据才能比详细更详细地记录①个人身上的数据。