赵阳没有立刻给出答复，他表情严肃地看着幕布上的基因表达调控网络图，此时他的大脑正在飞速运转。
在179智商的推演下，结合他LV5的数学和信息学等级，很快，他脑海中构建出了几种处理这种高维度生物数据的数学模型。
“常规的负二项分布模型处理这种带有大量重复序列的数据，必然会导致方差估计不准。”
沉默了一会儿之后，赵阳看着顾明教授和周围的众人，缓缓说出了自己的分析。
“这种农作物本身的基因组过于庞大，市面上现成的商业生信分析软件，底层的统计算法大多是基于普通的二项分布或者泊松分布。在面对海量重复序列和测序深度不均时，极其容易将背景噪音放大，这就是你们得出几万个假阳性差异基因的根本原因。”
会议室里的众人都安静地听着。两个研二的学长连连点头，他们这几天被这些假阳性数据折磨得痛不欲生。
“我来吧，教授。你把测序的原始数据文件全部拷贝给我。”
赵阳看着顾明教授，直接给出了最终的解决方案。
“我回去重新写一个比对和定量算法。不用现成的软件，我直接在底层用隐马尔可夫模型（HMM）和多维主成分分析（PCA）结合的方式，对你们的表达量矩阵进行重新聚类。”
赵阳的语气里带着绝对的自信。
“隐马尔可夫模型可以通过观察到的测序序列序列状态，推断出隐藏的真实基因表达状态，最大程度滤除测序仪产生的物理噪音。然后用PCA降维，剥离次要因素。”
“我会尽可能地将假阳性的范围压缩到一百个基因以内。然后结合加权基因共表达网络分析，找出连接度最高的Hub基因。最多两天时间，我给你们一个个位数的候选基因列表。你们直接拿去打抗体或者做qPCR验证就行了。”
会议室里安静了下来。
周围众人眼神之中都带着不可思议的目光看着赵阳。
两天？
那两个学长面面相觑，都从对方的眼里看到了震惊。
这里面的原始测序数据可是以TB来计算的！光是把这几个TB的FASTQ文件在电脑里解压读取一遍，普通的服务器都需要十几个小时。
自己写底层算法？还要在两天内跑完数据，输出最终的个位数靶点列表？
两天时间也太短了。这在传统的生物信息学分析流程里，是绝对不可能完成的任务。
（本章节未完结，点击下一页翻页继续阅读）
正在加载...