PRJNA、PRJEB 或 PRJDB 开头的编号用来表示一个完整的生物项目或研究计划，是最高级别标志符；SRA（Sequence ReadArchive）数据库是用于存储二代测序的原始数据，包括 454，Illumina，SOLiD，IonTorrent，Helicos 和 CompleteGenomics。除了原始序列数据外，SRA现在也存在raw reads在参考基因的比对信息。每个PRJ下

一、数据预处理在实际数据分析工作中，我们会得到各种各样的数据，例如：存在缺失值，存在重复值，数据量纲单位不同等，这就要求我们在使用之前对数据进行预处理，一般为针对不同生物学特征和数据集数据的不同而选择不同的预处理流程，下文将结合我们遇到的问题，分享一些在机器学习中常用到的可能会与我们的数据预处理相关的方法。1. 标准化（Standardization）根据维基百科中所说，归一化（Normaliza