在我们之前的文章《深度和检测限测算》中，我们介绍了在进行一个产品开发的时候，我们应该如何比较合理的确定产品特定检测限下的预期测序深度。
但是这个方法对于UMI的测序数据可能会没有那么友好，因为在使用UMI时，并不是单纯的要求深度高，而且对于Dup簇也有了一些额外的要求，比如一个Dup簇里面的read必须满足一定的标准我们才能认为这是一个有效的支持。
所以直观的，
- 在没有UMI的时候，我们初始DNA投入量越高，其实越好，因为特定数据量下，初始投入越高，dup率越低，所以我们的有效深度越高。
- 在使用UMI的时候，如果我们的DNA投入量越高，最终的dup率越低，则会导致所有Dup簇都是单条reads支持，那么这时候，我们就不能发挥Dup簇内部矫正的优势，可能得不到满足特定要求的支持突变的Dup簇，反而会导致性能下降。
所以在此介绍一种最近考虑的性能测算方案。
我们不在基于模型，而是充分发挥计算机的优势，对整个实验-测序的环节进行模拟。通过指定的实验指标，进行多次模拟寻找数据的性能表现。
相关代码实现，参考仓库： https://github.com/BGITumorBI/PerformanceMetricsModels