为什么read1和read2前几个碱基的错误率较高？

测序仪先测完read1全长，才跳转测read2，测序仪自身在刚启动或关闭时不太稳定，图像识别质量比较差，尤其是第一个碱基与最后一个碱基，测序质量最差，紧挨着的几个碱基测序质量也偏高，一是测序仪从刚开始的不稳定到稳定，有一个过渡的过程。另外接头空载，也会导致错误率上升。(ILLUMILA工程师的说法)

tophat-fusion软件分析说明

TopHat-Fusion可以从单端或双端的RNA-seq数据中识别融合基因。它将首次未比对到基因组上的reads进行打断，通过重新比对寻找候选的融合基因，后续采用多重规则进行过滤和筛选。该算法不依赖于已知的基因注释信息，这使其具有更高的敏感性，除了鉴定已知基因的融合，它还可以发现来自新基因或已知基因新剪切体的融合产物

主成份分析 (Principal Component Analysis, PCA) 是一种元分析技术 (其它常用的还有回归分析、聚类分析、因子分析等等), 由Karl Pearson于1901年发明。PCA的核心思想在于，在尽可能保留数据的差异的前题下，降低数据的维度，也就是抽象出更少的互不相关的变量来描述各数据。可以想象，数据集是一群在多维空间中的点，在保持这一群点的相对空间位置不变的情况下，旋转到一个新的坐标系（坐标轴就是各PC），使得各点在新的坐标轴上的坐标（投影）的方差最大，而投影方差最大的坐标轴即为PC1，其次为PC2，……，此可以通过此在线的演示增加理解。主成份分析可通过求取协方差矩阵的本征向量实现，本征值最大的本征向量即为PC1, 比如R的princomp函数采样的就是这种方法；也可通过奇异值分解（singular value decomposition，SVD）来实现，比如R的prcomp函数。

lncRNA的筛选是lncRNA分析流程中的关键步骤
梳理一下流程中的筛选步骤,还有4种编码潜能预测软件

关于碱基含量分布 (Per Base Sequence Content)图在FastQC帮助文档中有比较详细的说明，这里结合个人的见解浅析。