在制作生信工具算法会存在各种依赖包(packages),如何让其他人可以将方法跑起来，除了算法代码，还有整个算法依赖的环境都要一起打包，Docker可以很方便实现这一目的。

上一篇笔记我介绍了MCMC的基本原理和简单应用，当面临复杂问题时自己编写的程序可能会面临效率方面的问题，以及最终结果的可视化和平稳性检验也是一大问题。pyMC是python的一个MCMC工具包，它可以方便高效地进行MCMC抽样，得到后验分布结果。

马尔可夫链蒙特卡洛（Markov Chain Monte Carlo, MCMC）是一种通过构造马尔可夫链来从复杂概率分布中采样的计算方法。这个内容是我根据李航《统计学习方法》做的笔记，对 MCMC 核心的简单提炼。马尔可夫链蒙特卡洛法是马尔科夫链和蒙特卡洛法结合在一起的方法，它主要的用途是用于计算积分和抽样。

在获得生物的基因组信息后，我们希望通过分析基因组信息获得其遗传特性。基因组分析的主要目的是在基因组水平对物种有更好的认识：一种是对自身的认识，研究自身基因组的特点，例如基因组上哪些区域对应基因、不同基因的功能是什么、哪些区域对应非编码 RNA、哪些区域是重复序列、哪些区域编码特殊基因组元件等；另一种是通过比较不同物种的基因组变化，寻找物种间基因组的差异（包括单碱基和染色体变化），研究生物进化等。

测序已经将基因组的片段检测出来，下一步是将这些基因组片段进行组装拼接得到全基因组序列；并且还可以进一步比对参考基因组序列，找出个体的基因组突变(call variants)。

如何将生物的遗传信息提取出来，及其相关技术（如一代、二代和三代测序）进行介绍。

To provide sufficient details of the procedure to enable the interested readers to repeat your experiment. For readers to assess the validity of your research results and conclusion.

To answer the question(s) posed in the Introduction. To explain how the results support the answers. To explain how the answers fit in with existing knowledge.

Results are general statements that interpret data. Data are facts, often numbers that are used to support results.

Review the pertinent literature; Present the research question(s); State briefly the method of investigation.