简介在我们的应用小程序中，我们是前后端分离的。前端页面只负责渲染，而后端需要处理数据。但是如果遇到数据量很大的情况下，我们处理起来就很缓慢，如果我们想通过 AJAX 的方法追踪后台数据变化的进度，需要用到轮询的方案，这个是非常消耗资源的。这里我们用 VueJS 和 Fastapi 的小例子演示前端传递数据，后台用 10 秒处理数据并实时反应进度给前台的实现。

什么是 Vue.jsVueJS 是一个渐进式的前端框架，所谓渐进式的意思就是你可以用它快速完成原型创作，然后在此基础上逐步完善。他可以足够简单，也可以足够完善，那么对于新手小白来说，这简直就是福利！

输入是两个字符串，输出是对齐后的两个字符串。

简介使用过pysam和samtools的小伙伴肯定了解 pileup的操作，如果把 BAM 文件看作表格的话，那么通常我们是按行去解析它的 record，进而获得一些信息，例如比对到哪条染色体，比对的开始位置和结束位置等. 另一种情况下，我们想要按照列去循环解析，得到这个列上的具体信息，典型的就是这个列上比对序列的碱基是什么？比对序列的位置是什么？以及是 Match or Mismatch or indel 等。那么，该操作就需要引入pileup操作了。

摘要成对的 reads 中，read_2 的开头包含两份 barcode 序列，分别长 10bp,中间有一段固定长度为 15bp 的序列分割，例如 1ATCTATGACATGTTACGTTAACTCCNATCTATCACTTAGCGCTGNCCCTGTCCTCTACACTCCACCCCCTCCCCACCAGACTAAACAACGCCCTTTCCCC 该序列中ATTTATGACA及AATCTATCAA为 barcode 序列。要注意，barcode 因为测序的原因存在一定的错配，需要对其有一定的容纳。

Python 的Scanpy包和Seurat包一样，是单细胞数据处理的利器，其中，Scanpy中有一种堆积的小提琴图，可以很好的展示 marker 的表达情况，但是在Seurat中并没有内置命令。因此，我自己尝试提取数据并用ggplot2包来画该图。 首先来展示以下画图的成果，如图

首先在 shell 中测试如下命令12#!/bin/shtime gzip -d -c risearch_chr1:143971112-143971134:+:FAM72C.out.gz > risearch_chr1:143971112-143971134:+:FAM72C.out

Bedtools 作为基因组研究的 “ 瑞士军刀 ”， 功能强大且易于操作，是生信行业不可多得的好软件。通常对 bed 区间的注释，我们使用其中“ 求交集 ”的功能（bedtools intersect) ，但是有一个很不方便的地方，我们通常要生成对应的 bed 文件，再注释完成后还需要用 R 语言等读入才能继续分析，所以整合度不是很好，本文希望提供 R 语言的思路来解决该问题。

我们在运行 bwa mem 比对的时候，由于某些不明的原因会造成程序中断，例如内存超了，IO 错误，计算节点崩溃等，然而 BAM 是否完整很难察觉，最终导致后续流程无法运行。这里，我们通过一段简短的代码来检查 BAM 文件的完整性，代码如下：

如题，官方已经提供了一个 R 的版本createGCcontentFile.R ，但是根据代码就能看出这个版本非常占内存了，首先要把基因组整个序列都 load 入内存中去，每次计算出的矫正数据也是储存 dataframe 中。为了降低内存占用，也为了提高计算速度，我写了一个 julia 版本的。代码如下：