刚接触高通量测序的同学，可能会接触到barcode index等名词。

为什么要有barcodes ？

原因很简单，一个lane有效数据30来G

我们并常常不可能拿一个样品测那么大数据量，尤其是RNA-seq，哈哈，

所以在建库的时候，对每一个样品接头上加上不同的标签序列，然后用于测序，在测序结果中，依据之前标签与样品的对应关系，就可以获得对应样品的数据，从而就有所谓的数据量为1G，2G。。。等等

本文将同时大概介绍下测序原理，方便同学们更好的了解测序数据的特点

下图来自文献《Multiplexed Illumina sequencing libraries from picogram quantities of DNA》

对于illumina的hiseq平台而言，测序前，我们需要建库。

1. 建库的第一步即对mRNA片段化，

2. 随后是片段大小筛选，一般RNA-seq取200bp，DNA-seq取500bp(重测序)，即为图中insert size，也常称为fragment size（修正，一般fragment size还包括引物序列长度），中文常称为插入片段大小

3. 加正向接头，接头上(部分<3端>与正向引物完全相同的序列)，加反向接头

4. cot扩展，即PCR扩增

5. 测序

###关于测序一步，此处要重点讲下

明确一点，barcode在反向接头中

正向接头(包含正向引物序列)+插入片段+反向接头(包含反向引物序列+index/barcodes+…)

测序时非常简单，以PE100为例

正向引物读100bp

反向引物读100bp

barcode引物读barcode长度的bp数

这里设计到一个接头污染，引物污染的问题，具体请自行思考

原文来自：http://www.pineapplechina.com/?p=63