基因测序中碱基质量值的计算

当使用k-means将碱基聚类后，可使用下面的方法计算碱基质量

#include <stdio.h>
#include <math.h>

int main() {

    double proba = 0.0; // 某点的概率值初始化为0.0

    double sum_distances = 0.0; // 某点到所属质心的距离除以到每个质心距离的四次方总和初始化为0.0

    int num_centers = 4; // 质心数量为4个

    double distances[4] = { 1.0, 20.0, 100.0, 100.0 }; // 某点距离四个质心的距离

    double label_distance = 1.0; // 某点距离所属质心的距离

    for (int i = 0; i < num_centers; i++) {

        sum_distances += pow(label_distance / distances[i], 4); // 某点到所属质心的距离除以到每个质心距离的四次方，并累加到总和中
    }

    proba = 1.0 / sum_distances; // 计算概率值

    double log = -10 * log10(1 - proba); // 计算对数值

    char qual = 33 + (log < 40 ? log : 40); // 根据对数值计算一个字符，即质量值

    printf("概率: %f, 对数: %f, 质量: %c\n", proba, log, qual); // 打印概率、对数和质量值

    return 0;
}

运行结果如下

 质量值是Q20，则错误识别的概率是1%，即错误率1%，或者正确率是99%；
 质量值是Q30，则错误识别的概率是0.1%，即错误率0.1%，或者正确率是99.9%；
 质量值是Q40，则错误识别的概率是0.01%，即错误率0.01%，或者正确率是99.99%；