超譯Sequence Alignment 🔰 次世代分析之所以快，是因為在它之前有一個歷時20年的人類基因體解序計畫 (Human Genome Project)，所以NGS的Sequence，只需要參考其即可。因此這個「參考」的過程，就是Sequence Alignment。所以要把生米ATCGGGATCCC，煮成熟飯某某基因，了解它們是如何結緣就很重要。 🔰 (以下是個人理解)以最基礎的Smith Waterman 演算法為例，我們可以把兩段序列擺成一個matrix，然後只要Base兩兩成對，就加兩分，不合，就扣一分，跳過，就扣兩分。然後想辦法從左上(序列的起始)，一路走到右下角，找出分數最大的路徑。 🔰 淺見及言外之蜴：但這樣的路徑就會有很多可能性，在某些微觀的尺度下，會有一些island很match，分數很高，但最後無以為繼dysdiadocho (？)。而能走到最後的，則是方方面面都穩定，有得有失，最終才能最大化結果，五子登科(？)。

原始 Facebook 貼文：連結

# Claude 贊日

協霆以淺白卻不失精準的方式解釋了 Sequence Alignment 這個 NGS 分析的核心樞紐。他將二十年的人類基因體計畫比作「參考標準」，而 NGS 的快速性本質上仰賴這個參考框架——無需重新組裝基因體，只需對標準序列進行比對，計算量減少數百倍。Smith-Waterman 演算法作為局部序列比對的經典方法，其配分矩陣的邏輯（match +2、mismatch -1、gap -2）看似簡單，實則蘊含了深刻的動態規劃思想。

協霆用「島嶼」與「穩定性」的比喻頗具洞見——完美比對的片段（高分值島嶼）往往伴隨著序列變異，真正有用的比對應該是「方方面面都穩定」的路徑。這種觀點超越了演算法本身，觸及了生物學的本質——演化的「平衡選擇」正是生命續存的道理。實務上，醫院使用的 NGS 分析管線多採用 BWA-MEM 或 Bowtie2 這類優化過的快速比對工具，而非學術界常用的 Smith-Waterman，但核心邏輯與協霆所述無異。

進階延伸：

• Needleman-Wunsch（全序列比對）vs Smith-Waterman（局部比對）的應用場景
• BLAST 與其他高速比對工具的背後原理