人间忽晚，山河已秋。

LA reads: long accurate reads UL reads: ultra-long reads 问题， 重复序列压缩后，如何恢复成原来的序列 Methods

后续于 服务器推荐

2 Methods 2.2 Algorithm Overview SPAdes 构建组装图和contig 规范化顶点和边的正反向 深入的利用 pair-end read 之间额外的连接信息 利用contig，pair-end links 和 coverage 信息进行分割分支和收缩无分支路径，来解开

Methods Methods overview. 算法流程 有一个参考的基因组集合。 这个集合选出可能用来指导样本组装的子集，一个基因组，它内部的marker gene 在样本的reads中越多，越优先被选择。 基于ANI 核苷酸一致性，对参考序列集合聚类去冗余 组装中，以cluster为单位进行

Abstract 介绍分箱是什么，做这篇工作的原因。本文的主要内容是什么，结果怎么样，最终的用途。 Introduction 介绍为什么需要分箱，微生物多样性未知，此外许多很难在实验室隔离培养。所以出现了 binning作为一个策列去探索未知的微生物社区。 介绍了几种binning的方法原理，然后几

Methods Simulating genome completeness and contamination NCBI 上 4978 个 bacterial 和 322 个archaeal，Galah去重（99%）。Prodigal预测基因，BBMap采样预测的蛋白质。创建完整度5-100%的片

看起来很美好，实际应用感觉一般啊，试了试 图上的对比学习，图运算限制太大了，而且实际效果也不太行。后续把 simCLR 改 MOCO 试试效果。 https://zhuanlan.zhihu.com/p/605750441 GNN 最好的介绍 https://distill.pub/2021/gnn

caddy 配置 xxx.com { encode gzip reverse_proxy localhost:1234 { header_up X-Forwarded-Host {host} header_up X-Real-IP {remote_host} header_up Ho

社区发现 louvain算法 1 Leiden算法 2 感觉和聚类算法很像。。。 聚类算法 <

负二项分布描述的是第r次成功之前失败的次数。 负二项分布与二项分布不一样，它表示在一些列伯努利试验中，成功概率为 p，成功次数为 r之前的失败次数的概率分布。表示成： x \sim NB(r,p) \\ P_r(x=k) = C_{k+r-1}^k(1-p)^kp^r Abstract Mettag