在完成初步的可视化分析后，下一步通常是对符合研究需求的数据进行过滤，以确保分析结果的准确性和可靠性。长读测序数据在初步分析中可能包含一些低质量、过短或过长的读取序列，这些数据可能会影响后续分析的质量。为此，使用有效的数据过滤工具至关重要。本文将介绍两款用于纳米孔测序下机数据过滤分析的软件：NanoFilt 和 Filtlong，它们分别有各自的特点和优势，适用于不同的研究需求。

当您手头只有一个单样本的长读长下机数据时，使用前文提到的 NanoPlot 进行评估是一个非常直观且高效的选择。它能够提供详细的可视化结果，帮助您快速了解数据质量和读长分布等信息。然而，当您需要同时分析几十个甚至更多样本的下机数据表现时，仅依赖单样本工具可能会显得繁琐且效率低下。此时，NanoComp 是一个理想的替代方案。

在上一节中，我们了解了纳米孔测序的基本原理以及下机数据的格式和文件内容。下一步需要进行的就是对原始数据的数据表现进行初步的判定，以便我们后续的下游分析提供高质量的clean data。 下面将分篇介绍几个纳米孔下机数据可视化分析以及质控的分析工具

亲子鉴定是一种利用遗传学原理确定生物学亲子关系的科学方法。通过对父母和子女的DNA信息进行比对，分析特定的遗传标记是否匹配，从而确认血缘关系。这项技术广泛应用于司法案件、户籍申报、财产继承等领域，也为家族认亲和身份识别提供了科学依据。本文将带您了解亲子鉴定的基本原理、流程以及常用的检测方法，揭开DNA背后血缘关系的奥秘。

前沿精读 ｜ FSIG：在单一检测中探索法医STR、SNPs、InDels 和 DNA 甲基化标记的纳米孔直接测序表现

之前的文章中，我们讲述了纳米孔测序仪小巧便携，长读长的优点，不仅可用于固定地点的安装测序也可以实现背包测序，这对于非人类法医遗传学研究具有重要意义。本合集将基于纳米孔测序仪以及数据的基本构成和分析进行相关知识的介绍，让非生物信息学专业的法医从业者也能轻松了解纳米孔测序。

目前DNA 测序也已被用于表征谱系或物种多样性研究来进行人类和非人类鉴定。同时，第二代和第三代测序方法的出现正逐步使法医遗传分析转移到高通量测序 （HTS） 平台上，以便用于个体化和更高级别的分类。野生动物法医学是法医遗传学的一个组成部分，其特点是证明样本中存在的动植物分类群以及结合专业进化和种群遗传知识来解释分析结果，这对于生物多样性丰富的国家显得尤为重要。本文将带大家了解非人类法医学的相关知识以及基于DNA序列进行物种鉴定的相关内容。

尽管二代测序已经在当前多个法医领域展露头脚，其在多重位点检测、低浓度样本分析和降解样本研究中展现了强大的潜力，但其固有的短读长限制可能导致对复杂基因组结构、重复区域和大片段变异的解析存在一定局限。正因如此，而Oxford Nanopore Technologies（ONT）和PacBio为代表的第三代测序技术（TGS）的出现和发展，为法医遗传学和物证学研究带来了新的可能。

新一代测序（NGS）或大规模平行测序（MPS）是一种突破性的高通量技术，能够在短时间内对DNA和RNA分子进行大规模、高精度的分析。与传统的Sanger测序相比，NGS技术具备显著的优势，包括更高的灵敏度、更强的可扩展性和更快的分析速度。NGS不仅能为科学研究提供更为丰富的数据支持，还逐步在法医学领域获得广泛应用。

在生物信息学中常见的有关测序数据或是临床信息，需要用到的一些统计分布，仅仅涉及到通俗易懂的基础感性概念，方便大家理解👀

在下载原始的单细胞测序数据时，我们都苦恼一个样本几十个G怎么可以高速下载，抛弃原始的wget下载方式，让你的数据下载上高速🛣️👇🫡

传统的单细胞测序分析用到的主要分析工具为R的Seurat包，但是对于R语言使用不太熟练的生信工作者，或者是以python为主要编程语言的人，对于Seurat的使用和理解总是不太熟悉。所以本篇文章主要基于python的Scanpy包对单细胞测序数据进行分析，希望可以对你的数据处理有所帮助🎉🎈🍾👇

单细胞测序从参考基因组构建开始👇

作为生物信息学工作者，总是会利用不同代码工具进行流程搭建，那么一款好用的流程语言就可以达到事半功倍的效果，下面👇就让我们一起瞧瞧基于python的流程框架snakemake😄🎉🎈

在浩瀚的文献海洋里📚，一个好用的工具就是你的“学术快艇”🚤，带你避开暗礁，直达重点！它让你精准找到有用信息，节省时间，保护发际线，还能在学术讨论中自信甩出引用，赢得掌声👏。没有它，就像冒险家没带GPS，虽然可能最后能到，但过程可能绕晕自己，还得多兜几圈！