这两周读完了整整有5本的长篇小说民企教父沈万三，小说，我却读地像历史一般，当然，所谓历史，不少也是胜利者的杜撰。 继续阅读“民企教父沈万三读后感”

借用赵先生的宝地记录一下我去年读过的书，谨以此纪念转瞬即逝的2017年。

外国名著

1、《鲁滨逊漂流记》

2、《三个火枪手》

3、《三个火枪手续篇——二十年后》

4、《世界著名侦探故事》

5、《双城记》（作者狄更斯）

6、《红与黑》（作者司汤达）

7、《巴黎圣母院》（作者雨果） 继续阅读“2017年读过的书”

想试试flexbar切接头和barcode的效果，于是根据文章内容模拟了一个数据集，另外，使用16S测序的示例数据看看分barcode的情况。 继续阅读“flexbar3.0试用笔记”

纸上得来终觉浅呀！拿到真正的测序数据进行分析的时候才发现有各种各样的问题，不是简单的跑一下流程就能解决的。只有再次加强 学习。 继续阅读“再学质控”

最近对大上科技的电纸书显示器很着迷，想着哪天可以来一台，但是那价格实在是感人，从4000多飙到5000多，文石有款3000多的，索尼大法更是只有信仰才会入手。

囊中羞涩的我只有从淘宝上看看有什么可以代替的，发现7年前产的dx，价格最便宜，只要1000不到，本来是想买珍珠屏的dxg的，贪便宜花了700多入了个dx，尽管对比度号称相差50%，也不想退了，就这么用下吧！

继续阅读“kindle dx当显示器，开心用吧”

参考了许多WES的流程之后，终于学会了几个找变异软件的使用，记在这里备忘一下。学习不可囫囵吞枣，我还是把软件的各个参数理解下，也充实下内容，避免只有代码的尴尬。

1、找变异的前处理

继续阅读“找变异流程之snp_call –WES学习之路”

在生信媛微信公众号看到一篇《对青年千人表格信息的可视化探索》（https://github.com/wandering513/Data_workshop），中间有一个分析是关于千人青年们的出生年月的，没有细化到星座，我决定细化到星座来检测一下星座是否科学。

作者是使用R的，用得熟练，我作为一个R初学者，难以完成这样的任务，只好祭出我的菜鸟python，至少能用来解决问题。其实是一个很简单的问题，只要建立一个字典，然后把千人青年们的出生日期处理一下对应上去。把生日变成了小数，本来是做了一个星座：星座日期的列表的字典，运行过程 中发现列表不能作为字典的键值，因为我要把日期对应星座的时候需要对调字典的键值，所以就改成了字符串：字符串形式的字典。尽管代码不是最好的，但是，还是完成了任务，代码 如下： 继续阅读“2017千人计划青年科学家星座分布 –用python测试星座的科学性”

一不小心在kinldle3上装好了vnc，虽然不堪大用，但是写写文章已然是足够了。当然，这毕竟是开源大神们的业余作品，比起大上科技的显示屏差远了，对于我这种没钱人，省下5000块，也挺好的。软件安装参考了一下一篇博客，https://segmentfault.com/a/1190000008424493。

继续阅读“测试使用kindle写篇 文章”

之前测试了一下使用humanlongevity(文特尔的人类长寿公司)在github上开源的xHLA算法来进行NGS数据的HLA分型，效果还不错，可以实现两位的分型，除了个别等位基因可能不全。

不前天用HLA Typing做关键词搜索了一下论文，发现日本的科学家开发了一款HLA-HD，也是今年发表的，号称可以实现6位分型，好奇心使我测试一下。费了九牛二虎之力，终于运行成功了，无奈手头的测序数据不给力，用弱弱的i3个人电脑挣扎着前后花了两天时间，终于跑出一个只分型两个等位基因的结果，也是醉了。这其中应试有测序深度过低，质量太差的原因，也说明这个软件对测序深度和质量要求较高。 继续阅读“HLA-NGS数据处理2–HLA-HD, HLAssign两个软件的使用”

使用Python爬取，代码见github:

top250图书：

继续阅读“豆瓣图书电影top250”