人工区间贯通测序指标

更新：2026-10-13；状态：可用；验证范围：2026-10-13实际运行纯Python区间/质量/N50计算；无FASTQ、比对、去重或湿实验运行。

用已知读段区间和分子身份计算覆盖，解释双端重叠、重复和质量汇总。

实际计算范围

只生成1000 bp范围的人工位置，没有真实FASTQ、比对、去重或PCR。分子身份是模拟真值，不是从真实数据识别的结果。

固定种子20261013，40个片段各120 bp，两端各75 bp；前10个各增加1份拷贝，共50对、100条读段，重叠30 bp。

运行

项目根目录运行Python 3.9+，不需第三方包：

python3 examples/sequencing_metrics_demo.py

输出在examples/output/sequencing/，重复运行覆盖同名文件。simulation-truth.tsv记录片段来源，coverage.tsv记录逐位置四种口径，summary.json保存参数和校验值。源代码。

口径	累计贡献	平均深度
所有read逐条相加	7500	7.5
每对合并重叠，保留额外拷贝	6000	6.0
原始40个分子，仍逐条加两端	6000	6.0
原始分子去额外拷贝，再合并重叠	4800	4.8

中间两行均值相同，含义和分布不同。坐标重复不能代替真实分子去重，特别是扩增子。本例仅使用真值解释数量。

四种口径至少1次覆盖均为0.962，仍有38位置未覆盖；至少5次覆盖分别0.684、0.623、0.650和0.549。均值不能代替广度。

配图另需Matplotlib，运行python3 examples/plot_sequencing_metrics.py，输出到examples/output/sequencing/figures/，重复运行覆盖同名图。

图中Unique是模拟已知原始分子，不是实际去重软件结果；两个均值6.0的口径也有不同≥5覆盖比例。

质量与连续性

Q20与Q40算术平均30，先平均错误概率后转换得22.9671。Q30模型错误概率0.001，不是每1000碱基必错1个。

500、100、100、100、100、100总长1000，N50=500、中位数100。参考1200时NG50=100；参考3000时达不到一半，NG50未定义。

判读与复核

测序深度覆盖度与质量分数解释真实数据口径；单端双端读长与插入片段解释重叠；N50组装连续性与完整性解释连续性。

公开汇总保留实测结果，教学代码不替代测序软件或实验验证。