一级预防

一级预防（Primary Prevention）亦称为病因预防，是在疾病尚未发生时针对致病因素（或危险因素）采取措施，也是预防疾病和消灭疾病的根本措施。WHO提出的人类健康四大基石“合理膳食、适量运动、戒烟限酒、心理平衡”是一级预防的基本原则。

一级预防是最积极最有效的预防措施，措施如下：

1. 针对机体预防措施：增强机体抵抗力，戒除不良嗜好，进行系统的预防接种，做好婚前检查。

2. 针对环境的预防措施：对生物因素、物理因素、化学因素做好预防工作。对遗传致病因素作好预防工作。加强优生优育和围产期保健工作，防止近亲或不恰当的婚配。

3. 对社会致病因素的预防：对心理致病因素作好预防工作。不良的心理因素可以引起许多疾病，如高血压、冠心病、癌症、哮喘、溃疡病等大多与心理因素有关。

二级预防

二级预防 （Secondary Prevention）亦称“三早”预防，三早即早发现、早诊断、早治疗。是防止或减缓疾病发展而采取的措施。

慢性病大多病因不完全清楚，因此要完全做到一级预防是不可能的。但由于慢性病的发生大都是致病因素长期作用的结果，因此做到早发现、早诊断并给予早治疗是可行的。可采用普查、筛检、定期健康检查来实现。

三级预防

三级预防 （Tertiary Prevention）亦称临床预防。三级预防可以防止伤残和促进功能恢复，提高生存质量，延长寿命，降低病死率。主要是对症治疗和康复治疗措施。

对症治疗可以改善症状、减少疾病的不良反应，防止复发转移，预防并发症和伤残等。对已丧失劳动力或伤残者提高康复治疗，促进其身心方面早日康复，使其恢复劳动力，争取病而不残或残而不废，保存其创造经济价值和社会价值的能力。康复治疗包括功能康复、心理康复、社会康复和职业康复。

是对疾病进入后期阶段的预防措施，此时机体对疾病已失去调节代偿能力，将出现伤残或死亡的结局。此时应采取对症治疗，减少痛苦延长生命，并实施各种康复工作，力求病而不残，残而不废，促进康复。

三级预防是健康促进的首要和有效手段，是现代医学为人们提供的健康保障。

作者 wenhan wu

什么是监听模式？

1. 在对象间定义一种一对多的依赖关系，当这个对象的状态发生改变时，所有依赖它的对象都会被通知并自动更新。
2. 监听模式又叫做观察者模式，也就是观察者和被观察者的关系，又叫做发布\订阅、模型\视图模式等。
3. 监听模式的核心思想就是在观察者与被观察者之间建立一种自动触发关系。

本系列总结来源于Hadley Wickham老师的新书 Advanced R (2nd edition).

对象和名称

在R中, 重要的是了解对象及其名称之间的区别.这样做将帮助您:

1. 更加准确地预测代码的性能和内存使用情况.
2. 通过避免意外复制(减慢代码的主要来源)来编写更快的代码.
3. 更好地理解R的功能编程工具.

基本环境, 我们将使用lobstr包深入研究R中对象的内部表示形式.

距离

距离的测量通常需要给定的条件和实际情况.

几种常见距离的计算方法

1. 一维空间的距离: 常见的时间轴是典型的一维距离.

2. 欧几里得距离(Euclidean Distance):

1a. 二维空间的欧几里得距离: 通常为点到点的距离 和 点到直线的距离
1.1 点到点的距离: S_AB = [(x_A-x_B)² + (y_A-y_B)²]^1/2
1.2 点到直线的距离: S_AC = |ax_A + by_A + c|/(a² + b²)^1/2
本公式可以通过向量的叉积进行证明, 即平行四边形面积除以底等于高即为距离.
那么推广到多维空间
S_PQ = [()² + ()² + ()² + …]^1/2
那么用向量和矩阵的表示将更加简单,
S_PQ = [(x^p - x^q)^T(x^p - x^q)]^1/2
距离本质上就是一个数,在n维空间中,在有坐标的情况下,得到的就是新向量的长度.
那么在n维空间中也存在平面,它被称为超平面
g(x) = α^Tx + b
那么点到超平面的距离公式为
y = |α^Tx + b| / ||α||

3. 曼哈顿距离

通常意义上来说类似于导航距离
S_AB = |x_A-x_B| + |y_A-y_B|
那么我们可以发现在二维空间中欧几里得距离下到原点为1的点将构成一个圆,而曼哈顿距离为1的点构成了一个边长为根号2的正方形.

4. 切比雪夫距离

在二维空间中A,B两点间的切比雪夫距离是两点横坐标差的绝对值与纵坐标的绝对值中较大的哪个.
S_AB = max(|x1 - x2|, |y1 - y2|)
S_PQ = max(|x_i^P - x_i^Q|)
那么在二维空间中将形成一个边长为2的正方形.

夹角余弦

夹角余弦是另外一种测量距离的方法,严格地讲,它测量的并不是传统意义上的距离,而是两个样本间的相似性,样本间的夹角越小,相似度则越高.
cosα = A B/|A||B|

trinity RNA-seq

目的：不利用参考基因组，重建全长转录组。

这项工作面临的挑战：

1. 转录本表达量的差异性：即不同转录本之间的表达有高有低。
2. 测序的偏倚：读段可能并未覆盖某些转录本的全长。
3. 如何平衡不同转录本之间因为表达量的差异而引入的测序误差的差异。（测序的错误）
4. 由邻近基因座编码的的转录本是可相互重叠的，那么可能导致转录本错误的融合。（由基因组结构导致的，算法需要消除这种错误。）
5. 为了满足可变剪切，必须要调整数据结构。（算法调整数据结构满足可变剪切）
6. 不同的基因的重复序列会产生歧义。

关于转录组重建的策略：

1.通过Mapping first方法，比如Scriputure，cufflinks等。

首先是将所有的读段回贴到参考基因组上
然后利用重叠区域,融合形成序列
利用读段生成剪切位点

2.