怎样设置证据标准，避免把混合样本判成单一物种

DNA样本数据和参考基因组承担的任务不同，下载前必须先区分两者。样本数据通常来自测序项目，常见文件是FASTQ，里面保存实际测得的读段及质量值；参考基因组通常是FASTA，里面保存经过组装的染色体或 contig 序列，常配套GFF、GTF、索引和染色体长度文件。

当目标是判断未知DNA究竟接近人、猪还是狗时，推荐保留原始文件、质控后文件、分类结果、比对统计和参考版本五类材料。完整记录能够区分“样本本身混合”和“下载或分析流程出错”，也方便在发现异常时重新检查，而无需从头猜测数据来源。

用核基因组比对和分类结果交叉确认

DNA数据分析中最常见的错误是把文件名当成证据。文件名中的“hu🎆man”“pig”或“dog”可能只是提交者的描述，不能替代序列层面的判断；重新下载时还可能因重命名、分卷或🎯不同镜像造成文件对应关系混乱。

DNA数据的正确下载流程与文件核验

实际处理时，建议按照“明确数据类型—核对元数据—下载原始文件—校验压缩包—质量控制—物种分类—候选参考比对”的顺序操作。只有一份短序列时可以先使用线粒📢体标记或保守基因进行初筛；拥有全基因组或全外显子测序数据时，应优先采用核基因组证🔥据，避免把污染、样本混合或错误注释误判成物种差异。

人or猪or狗的物种判定必须建立在可用读段之上，低质量碱基、接头残留和过短序列会明显增加错误匹配。短读段分析可以先检查每个样本的总读段数、平均质量、N碱基比例、接头污染和重复率，再决定是否进行剪切。

DNA数据下载流程的第一步是核对 accession 🔮和样本元数据。搜索结果中可能同时出现项目编号、样本编号、实验编号、运行编号和文件编号，下载前应确认这些编号是否属于同一个样本，以及测序平台、读长、单双端类型和物种描述是否一致。