三个 Alignment-Free 的 RNA-seq 表达量估计软件的 "Alignment" 逻辑
学位论文整得七七八八了。回首过去三四年，感觉“在技术上”落后的“大体同时”接触生信的朋友们。或者这就是人生，或许得到了什么，或许失去了什么。怀念过去，不是我的风格。
学业的事情多少要告一段落，也是时候做点自己想做的事情了。早上起来，翻了下几年前就注意到的 Alignment-Free 的转录组表达量估计软件，一直没啥时间看看。索性就都扫一眼，起码....搞清楚了就知道具体优劣，这样吹起牛来，就还是有点底气（换句话说，过去两三年跟朋友聊到这个，我都是基于猜测，认为就是kmer counts，然后就一顿胡扯，也没人拆穿我.....）
整体看了下，似乎主流就是 三个软件，两个门派。
门派一：Sailfish --> Rapman --> Salmon
门派二：...... Kallisto --> ...
当然，我最关心的还是 “Alignment-Free” 软件的 “Alignment” 问题。
Sailfish
应是三者中，最早发表的，nbt。直接从 Fig 1 就可以知道，把 参考序列 和 Reads 都打散 成 Kmers ，最后直接通过 Kmers 在转录本上的 Coverage 估算表达量（不用说方法，说了也白说，反正就是 EM，目前几乎所有转录表达量估计的，都是EM...就是大家写的模型有差别）
很明显，这个速度超快， Hash 计数.... 只能说神来之笔。
Kallisto
在 门派一 的 Sailfish nbt 文稿发表之后，门派二 的 Kallisto 的 nbt 文稿也发表了... 大家都是 NBT ，自然不会太差
这里只看 Figure，注意 红蓝绿 是三个转录本，黑棒棒是一个reads。空心圈圈是Kmer，实心圈圈是 reads 的Kmers。
从 Figure 可以看到，相比于前述的 Sailfish, Kallisto 考虑了 Kmers 的具体来源（也就是保留了 Reads 的概念）。
当然，Kallisto 仍然简单粗暴，如图，对于绝大部分 Reads（无错配），只看首位两个 Kmers 就可以确定 read 来源的转录本（虽然图示写的是三个）。
也因此，存在 Reads 概念，但只用了 Kmers counts 却没有mapping，最后表达量的话....所以就存在 Reads 长度参数需求。于是可以知道，为啥 Kallisto 相比于 Sailfish 在 SE 数据上需要多两个参数，即片段长度和标准差。自然，从逻辑上来说，纳入更多信息，Kaillisto 表现必然不会比 Sailfish 差。
Salmon
Emmm，坐以待毙不是大佬的日常。门派一 自然不会省油。很快，在 Bioinformatics 上发表了 Rapman, 提出了 quasi-mapping。
直接看 Fig 就知道，重点还是在于 Kmer。你不是说我不考虑 Reads吗？我现在就考虑，而且还做某种程度上的 Alignments （Mapping）的概念。这个 Mapping 怎么说呢... 我觉得和 bowtie2 的有点像。只是 b2 粗暴，而 rapman 精细了许多，几乎只用 hashing，直接省去大量不必要的比对（关键依旧在于，Rapman不需要精细位置，重点只在于确定来源）。看看文稿，多少也可以看到，rapman 中对 Kmer 搜索的逻辑参考了 kallisto （如跳过Kmers进行下一步搜索，在Kallisto中，则优先搜索首尾Kmers）。
基于 Rapman，门派一大佬这下不发 nbt 了，发 nmed，放出 Salmon。
从上图可以看出，其实 Salmon 重点已经不在 Alignmeng-Free 与否了，毕竟也接受常规对BAM。Salmon 的主要目的还是在于.... 快速定量，总的来说，有种 RSEM 的感觉。
很明显，Rapman （Salmon） 的 Alignmeng-Free（Mapping） 到底还是某种程度的 Alignment 了。因此，也获取了更多读段在转录本上的信息，既然信息越多，那么能搞的事情就越多。所以 Salmon 文稿的重点在于 “我能矫正bias，我更准”。
写在最后
没啥好说的。
Sailish 看来是不行了，毕竟是大佬自己又更新了（这个跟 Tophat2 的命运是一样的）。
Kaillisto 必然是可以的，看看别人的 gayhub 就知道了（看看 Bowtie1 的现状就清楚了）。
Salmon 没话说，必然也是优选，更不用说.... 引入了三种index模式（Emmm，自己说了更准嘛）
最后，Kaillisto 和 Salmon 都支持单细胞测序数据，所以啊。。。
Emmm，不想干活的时候，还是可以做点自己想做的，或者感兴趣的事情。