多样品VCF中每个样本SNP数的统计方法详解

做全基因组测序WGS的群体项目时总有一类问题会被反复问到这个多样品VCF文件里每个样本到底有多少个SNP问的人可能是刚接手数据的同学也可能是等报告的合作方。问题是同一个但直接甩一个数字出去很容易翻车——VCF里同一个位点在不同样本中可能是0/1、1/1、0/0也可能直接是./.ALT列还可能同时出现A、T、C三个等位基因不同预处理流程出来的VCF统计口径还不一样。这篇文章基于我最近跑完的一批WGS联合分析数据把多样品VCF中每个样本SNP数量的统计方法完整过一遍内容包括VCF核心字段讲解、命令行工具的适用边界、带详细注释的Python脚本、大规模文件优化办法以及我实际踩过的几个坑适合正在做群体WGS、外显子测序或准备出QC报告的同学参考。1. 多样品VCF统计SNP数的应用场景与需求拆解1.1 为什么每个样本的SNP数如此关键先说个多数项目里真实遇到的场景。你从GATK HaplotypeCaller跑完联合genotyping拿到了一个包含几十甚至上百个样本的VCF第一件事往往不是直接丢给下游注释而是先看看这批样本整体做得怎么样。这时候每个样本的SNP数就是最直观的体检指标。样本间SNP数量差异过大通常意味着某个样本测序深度不够、文库构建出了问题、样本发生了污染或者样本标签写错了。比如一个样本如果只有其他样本一半的SNP数先别急着怀疑生物学差异大概率是这个样本的测序量崩了或者比对率异常。反过来某个样本SNP数异常多可能是混入了其他物种或样本间交叉污染。之前我处理过一个48样本的WGS项目其中一个样本SNP数比其他样本高了快一倍后来检查发现是存在跨样本污染最终在数据质控阶段就把这个问题拦住了没有污染下游的所有分析。SNP数还不只是质控指标。在做家系分析时父母和子代的SNP数通常符合孟德尔遗传规律在做群体结构分析、构建进化树之前确认每个样本的变异数量在一个合理区间是避免后续分析被单个离群样本带偏的关键一步即使是给合作方出交付报告一张样本名加SNP数的小表格也比一堆复杂的统计图更能说明“这批数据能用来干什么”。所以别小看这个“数数”工作它被高频问到背后是整个WGS分析流水线质量的门面也是最重要的一道情报哨兵。1.2 从VCF结构理解“行存位点、列存样本”的信息路径要统计每个样本的SNP数绕不开对VCF格式的理解。VCF的全称是Variant Call Format设计思路非常简单文件里的每一行描述一个变异位点每一列描述一个维度信息。前8列描述这个位点本身第9列描述样本字段的格式第10列开始每一个样本占一列。这就是统计SNP数的“信息路径”你要遍历所有数据行先判断这个位点是不是SNP然后依次进入每个样本列解析该样本在这个位点上的基因型GT如果基因型非缺失且携带非参考等位基因就给这个样本记一个变异SNP位点。不过VCF有两层复杂性。第一层是同一个位点在不同样本里基因型可能完全不同位点是真实存在的变异但样本A可能是0/1杂合样本B可能是1/1纯合样本C可能是0/0纯合参考样本D可能直接是./.缺失第二层是VCF里所谓的“位点”形态并不统一有的位点只有双等位基因有的位点存在多等位基因有的位点混着SNP和indel如果没有预先把统计口径定清楚同一个VCF在不同人手里能数出完全不同的结果。所以接下来的内容我会先把VCF格式里统计需要的核心字段讲透再给具体方法。先看懂字段再谈统计这是最不容易走弯路的方式。2. 统计前必须吃透的VCF核心字段2.1 元信息行、表头行和数据行的区分拿一个常见的VCF打开前几十行通常是以两个#号开头的元信息行记录的是VCF版本、FILTER定义、INFO字段含义、样本处理流程等。这些行不参与变异统计解析时直接跳过即可。关键是从以单个#号开头的表头行开始#CHROM POS ID REF ALT QUAL FILTER INFO FORMAT NA00001 NA00002 NA00003这一行定义了后面每一个数据列的含义。注意从第10列开始才是样本名。实际统计前用下面命令先确认一下样本名永远是个好习惯# 查看VCF中的样本清单确认没有重复名、没有未知样本 bcftools query -l input.vcf.gz数据行则是从第1列染色体名称开始的具体位点记录。我从一个真实的WGS项目里截一个典型示例chr1 12009 . C T 100 PASS AC2;AN8 GT:AD:DP:GQ:PL 0/0:4,0:4:12:0,36,470 0/1:3,10:13:99:130,0,320 1/1:0,8:8:24:290,24,0这个位点有3个样本第一个样本是0/0纯合参考第二个是0/1杂合变异第三个是1/1纯合变异。统计的时候第一个样本在这个位点不应该被计入“变异SNP数”后两个应该计入。2.2 FORMAT与样本列GT才是统计的主战场第9列FORMAT定义了每个样本列里各个字段的顺序和含义。最常见的形式是GT:AD:DP:GQ:PL每个样本列里冒号分隔的字段数和FORMAT中定义的一一对应。以样本2为例0/1:3,10:13:99:130,0,320对应的就是GT0/1AD3,10参考等位基因支持数3、变异等位基因支持数10DP13总深度GQ99基因型质量PL130,0,320三种基因型的Phred打分。统计SNP数时绝大部分情况下只需要解析GT字段。GT字段的取值和含义需要记牢GT取值含义是否计入该样本的SNP变异数0/0纯合参考否0/1杂合变异是1/1纯合变异是1/2两个不同ALT等位基因是按一个变异位点计./.基因型缺失否计入缺失.缺失否计入缺失01phased杂合含义同上这里有个容易混的点基因型缺失./.和纯合参考0/0在统计时必须分开。很多项目在汇报“SNP数”时习惯说“该样本有70万个SNP高质量位点”说的是带变异的位点数不包括0/0也有项目会用“非缺失位点数”来评估基因分型完整性这时候0/0要被算进去。两种口径都有意义但一定要在报告中写清楚否则别人看到数字会对不上。2.3 多样品VCF中同一位点如何对应多个样本多样品VCF是多个样本单独call变异后通过GATK GenotypeGVCFs或bcftools merge等步骤合并出来的。合并后同一个基因组位置的所有等位基因会被汇总到一行里。举个例子样本A在chr1:1000检测到CT样本B在同位置检测到CA合并后这行就是chr1 1000 . C T,A ... GT:AD 0/1:5,3,0 0/2:4,0,6ALT列同时有T和A两个等位基因样本A的GT是0/1参考第一个ALT的T样本B的GT是0/2参考第二个ALT的A。这种多等位基因位点如果不提前定好规则统计时极易出错是按整个位点给两个样本各记1个SNP还是按等位基因拆分后给样本B记一个A变异、给样本A记一个T变异两种做法的总数不同跟其它工具输出的数字也会对不上。我自己的建议是在做“每个样本的SNP数”这种简单指标时统一按“位点”计数即一个位点只要该样本存在任意一个非参考等位基因就计1个变异SNP。如果后续要更细致的等位基因频率分析再单独拆成等位基因计数的口径不要混在一起。3. 先用现成工具快速出数grep、vcftools、bcftools的实测对比3.1 纯文本处理方案能做到什么程度最直接的方法是用grep把注释行去掉然后awk处理。很多人第一版脚本是这样# 粗略统计位点总数但不区分样本也不解析GT grep -v ^# input.vcf.gz 2/dev/null | wc -l # 注意上面命令对.gz压缩文件无效需要先解压或使用zgrep zgrep -v ^# input.vcf | awk {n; if (length($4)1 length($5)1) snp} END {print total_var n, snp_site snp}这个方案只能统计这个文件里“总共有多少个变异位点”“其中多少是SNP”完全做不到按样本拆分。它适合快速瞄一眼文件的量级不适合回答“每个样本有多少SNP”这个问题。另外要提醒一个反直觉的点VCF是文本文件但它通常以bgzip压缩存储普通grep直接读是乱码。虽然grep本身能识别部分文本但正规写法是使用zgrep或zcat或者先bcftools view再处理。我见过不止一个同事因为没处理.gz压缩统计结果总是莫名其妙弹出二进制错误。3.2 vcftools能算但不算直接vcftools是立了多年的老工具常用在VCF过滤和格式转换上。跟样本SNP数统计相关的是下面这组命令# 计算每个样本的缺失率 vcftools --gzvcf input.vcf.gz --missing-indv --out wgs_qc # 计算每个样本的等位基因频率 vcftools --gzvcf input.vcf.gz --freq2 --out wgs_qcwgs_qc.imiss里有一列F_MISS表示每个样本的基因型缺失比例。如果一个VCF固定有N个SNP位点理论上可以用“N×(1-F_MISS)”算出每个样本的非缺失位点数。但这个数字里包含了0/0纯合参考并不是大家通常说的“样本的SNP变异数”。更重要的问题是--freq2给的是位点级别的等位基因频率不是样本级别的计数没法直接把每个样本的SNP变异数拆出来。所以vcftools在实践中更适合做位点过滤或缺失率检查用来回答“每个样本有多少个SNP”就比较别扭。如果你的需求刚好是算缺失率它是个利器但如果你已经明确要“每个样本的变异SNP数”直接往下看bcftools或Python。3.3 bcftools query加awk的推荐组合bcftools是目前处理VCF最顺手的工具它的query子命令可以把大矩阵文件裁成任意想要的格式。先是过滤出SNP再按“样本GT”逐行展开配合awk聚合就能得到每个样本的统计表# 保留双等位SNP位点输出样本名和GT每行一个样本一个基因型 bcftools view -v snps -m2 -M2 input.vcf.gz -Ou | \ bcftools query -f [%SAMPLE\t%GT\n] - | \ gawk { cnt[$1]; # 该样本的总基因型记录数 split($2, a, /[/|]/); # 按/或|拆分GT if (a[1] . || a[2] .) { miss[$1]; next } if (a[1] ! a[2]) { het[$1]; next } if (a[1] ! 0) { homalt[$1]; next } homref[$1]; } END { print sample\thomref\thet\thomalt\tmiss\tgenotyped; for (s in cnt) print s \t homref[s] \t het[s] \t homalt[s] \t miss[s] \t cnt[s]-miss[s]; } | column -t这条命令里-v snps只保留SNP-m2 -M2保留双等位基因位点避免多等位基因位点的计数歧义。gawk脚本里het是杂合变异数homalt是纯合变异数两者之和就是该样本在这个VCF里的SNP变异数homref是0/0位点数miss是缺失数。实测下来中等规模几十个样本、每个染色体一个VCF的文件这条管道命令几秒就能跑完。它的优点是快、不写中间文件缺点是定制性差一点如果你想在统计时加入复杂的过滤条件比如“同时要求DP10且GQ20”用awk写起来就比较繁琐这时候就该用自写Python脚本。方案优点缺点适用场景grep/awk无额外依赖无法按样本解析GT快速看位点总量vcftools老牌稳定、缺失率计算方便不能直接输出样本SNP变异数位点过滤、缺失率统计bcftoolsawk专业、管道化、速度快过滤条件复杂时书写繁琐快速出每个样本的SNP数自写Python逻辑完全可控、可任意定制需要自己维护脚本、速度相对慢复杂条件、批量生产、报告交付4. Python精确统计方案完整代码与逐段注释4.1 什么情况下必须自己写脚本bcftools方案虽快但它有几个场景不好覆盖一是要按VCF的FILTER、QUAL、DP、GQ组合过滤二是要同时输出纯合、杂合、缺失、参考位点数并形成固定格式的交付CSV三是处理多等位基因位点时想保留更精细的计数规则四是团队里其他人不太会用命令行希望有个一键运行的脚本。这些需求在真实的WGS交付项目里几乎都会遇到。尤其当你要把统计结果直接合并到交付报告里或者需要跟样本测序深度表、比对率表做关联分析时一个能控制每列含义的Python脚本比每次手写awk要可靠得多。4.2 完整脚本SNP判定、GT解析、缺失处理与CSV输出下面是我在项目里实际使用的脚本精简版。它的逻辑是读入VCF支持.gz压缩跳过元信息行判断位点是否为SNP解析每个样本的GT按“位点”口径统计每个样本的纯合参考、杂合变异、纯合变异、缺失数并输出CSV。#!/usr/bin/env python3 # -*- coding: utf-8 -*- 多样品VCF文件中每个样品的SNP数统计 用法: python count_sample_snp.py input.vcf.gz python count_sample_snp.py input.vcf.gz --pass-only 输出: sample_snp_counts.csv import gzip import sys from collections import defaultdict def open_maybe_gzip(path): 自动识别.gz文件统一按文本模式打开。 if path.endswith(.gz): return gzip.open(path, rt, encodingutf-8) return open(path, r, encodingutf-8) def parse_gt(gt_field): 从样本列中解析GT字段返回两个等位基因编号。 如果不是合法GT或等位基因缺失返回None。 支持 0/1、0|1、1/2、./. 等常见写法。 gt gt_field.split(:)[0] # 只取GT忽略AD/DP/GQ if gt in (., ./., .|.): return None if / in gt: a1, a2 gt.split(/, 1) elif | in gt: a1, a2 gt.split(|, 1) else: return None if a1 . or a2 .: return None return a1, a2 def is_snp(ref, alt_list): 判断位点是否为SNPREF长度必须为1且所有ALT长度也必须为1。 if len(ref) ! 1: return False for alt in alt_list: if alt in (., *): return False if len(alt) ! 1: return False return True def main(vcf_path, pass_onlyFalse): samples [] counts defaultdict(lambda: { het: 0, hom_alt: 0, hom_ref: 0, missing: 0, total_alt: 0 }) with open_maybe_gzip(vcf_path) as f: for line in f: if line.startswith(##): continue if line.startswith(#CHROM): cols line.strip().split(\t) samples cols[9:] # 第10列开始才是样本名 for s in samples: counts[s] # 预初始化避免后续KeyError continue parts line.strip().split(\t) if len(parts) 10: continue # 可选只统计FILTER列为PASS或.的位点 if pass_only: if parts[6] not in (PASS, .): continue ref parts[3] alt_list parts[4].split(,) if not is_snp(ref, alt_list): continue # 定位GT在FORMAT中的位置 fmt_fields parts[8].split(:) gt_idx fmt_fields.index(GT) if GT in fmt_fields else 0 for i, sample in enumerate(samples): sample_fields parts[9 i].split(:) allele_pair parse_gt(sample_fields[gt_idx]) if allele_pair is None: counts[sample][missing] 1 continue a1, a2 allele_pair if a1 ! a2: counts[sample][het] 1 counts[sample][total_alt] 1 else: if a1 0: counts[sample][hom_ref] 1 else: counts[sample][hom_alt] 1 counts[sample][total_alt] 1 # 输出CSV out_name sample_snp_counts.csv with open(out_name, w, encodingutf-8) as out: header [sample, total_alt, het, hom_alt, hom_ref, missing, genotyped, missing_rate] out.write(,.join(header) \n) for s in samples: c counts[s] genotyped c[het] c[hom_alt] c[hom_ref] total genotyped c[missing] miss_rate c[missing] / total if total 0 else 1.0 row [s, str(c[total_alt]), str(c[het]), str(c[hom_alt]), str(c[hom_ref]), str(c[missing]), str(genotyped), f{miss_rate:.4f}] out.write(,.join(row) \n) print(f结果已写入 {out_name}) if __name__ __main__: if len(sys.argv) 2: print(Usage: python count_sample_snp.py input.vcf.gz [--pass-only]) sys.exit(1) main(sys.argv[1], --pass-only in sys.argv[2:])脚本里几个关键点值得单独说明。第一parse_gt函数只关心GT字段不碰AD和DP。很多初学者容易在这里出问题样本列里的字段顺序虽然大部分是GT:AD:DP:GQ:PL但不同流程产出的VCFFORMAT字段顺序可能有差异比如有的流程是GT:GQ:DP有的会把PL放在前面。只取冒号分割后的第一个字段并确认它是GT而不是靠固定的split(:)[0]硬编码能避免很多兼容性问题。我给脚本里做了双重保障——先找到GT在FORMAT中的索引再去样本列取对应位置。第二is_snp函数里对ALT为.和*的处理。VCF规范允许ALT为.表示“该位点没有替代等位基因”*表示“在参考中有间隙的缺失等位基因”。这两种情况严格来说都不是标准SNP统计时要排除。否则你会出现莫名其妙的“SNP数偏大”问题而且很难定位。第三输出的CSV里有两列数字要区分清楚total_alt是“该样本携带非参考等位基因的SNP位点数”也就是大家通常说的“这个样本有多少个SNP”genotyped是“该样本在所有SNP位点中非缺失的基因型数量”它包含了0/0位点用来评估样本的基因分型完整性。4.3 脚本输出字段解释与口径定义脚本跑完后生成的CSV大概是这样的结构sampletotal_althethom_althom_refmissinggenotypedmissing_rateNA000013204452225103495341835811764502167866620.0066NA000023251990231884593314535342783941167862720.0058NA000033138776219765494112235890416586267824080.0096这个表里total_alt是核心指标。如果项目汇报里写“样本NA00002有325万个SNP”说的就是这个数。missing_rate用来判断样本质量一般WGS项目里缺失率在1%以下算正常如果一个样本缺失率超过5%要么是测序深度不足要么是样本处理有问题需要重点排查。关于口径建议每个人在交付结果时都写一句说明比如“统计的是VCF中所有SNP位点每个样本携带至少一个非参考等位基因的位点数不保留多等位位点展开缺失基因型不计入。”这句话会省掉后续大量沟通成本。5. 大规模样本与超大VCF的优化方案5.1 用cyvcf2代替纯Python逐行解析跑小型VCF时上面的纯Python脚本完全够用。但到了真正的WGS项目动辄几百GB的VCF纯Python逐行解析的速度会让你怀疑人生。实测经验是纯Python脚本处理一个几GB的VCF可能要几十分钟而用cyvcf2会快5到10倍以上。cyvcf2是一个基于Cython封装的VCF解析库处理速度极快。同样是数SNP它的基本用法是这样from cyvcf2 import VCF vcf VCF(input.vcf.gz) samples vcf.samples counts {s: {het: 0, hom_alt: 0, hom_ref: 0, missing: 0, total_alt: 0} for s in samples} for variant in vcf: if not variant.is_snp: # 直接排除indel和多等位复杂位点 continue gt_types variant.gt_types # 0HOM_REF, 1HET, 2HOM_ALT, 3UNKNOWN for i, s in enumerate(samples): if gt_types[i] 3: counts[s][missing] 1 elif gt_types[i] 0: counts[s][hom_ref] 1 else: counts[s][total_alt] 1 if gt_types[i] 1: counts[s][het] 1 else: counts[s][hom_alt] 1 # 之后输出CSV的逻辑与纯Python版一致variant.is_snp是cyvcf2内置的快速判断属性variant.gt_types直接把所有样本的基因型类型打包成数组省去了你手动解析GT字符串的开销。如果你的环境能装这个依赖大规模数据处理首选它。5.2 按染色体拆分后用多进程并行统计即使有了cyvcf2如果只有一个CPU在跑几百GB的文件依然慢。并行思路并不复杂VCF本身就是按染色体排布的把文件按染色体拆开每个进程统计一条染色体再把结果合并起来。mkdir -p chr_split for chr in 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 X Y MT; do bcftools view -r ${chr} input.vcf.gz -Ou -o chr_split/chr${chr}.vcf done wait然后对chr_split下的每个文件分别跑统计脚本最后在Python里按样本名汇总。注意三点不要一次开几十个进程普通机械磁盘或网络文件系统的IO会成为瓶颈反而更慢。我实测最好效果是4到8个并行进程。拆分前确认VCF是按坐标排好序的。大多数联合calling流程产出的VCF都排过序但如果你手动合并过多个来源的VCF必须先用bcftools sort排序否则-r按区域抽取会漏位点。拆分后的临时文件记得用bcftools index建索引这样后续按区域查询会更快。如果不想拆文件也可以考虑用tabix按区域切片。但tabix只在VCF是bgzip压缩且建过索引的前提下才能用普通文本VCF不适用这点要记牢。5.3 统计结果如何与测序深度合并成QC报告统计完每个样本的SNP数只是第一步。真正有价值的用法是跟其他QC指标合并起来看。我通常会把三张表join在一起一张是样本SNP数统计表一张是测序深度表可以用samtools depth或mosdepth算出平均深度一张是对比样本间亲缘关系的IBD矩阵。一张典型的QC汇总表长这样sampletotal_alt_snpmean_depthduplication_ratemissing_rateNA00001320445232.58.2%0.66%NA00002325199034.17.1%0.58%NA00003313877628.912.5%0.96%看表格的时候如果一个样本的total_alt_snp明显偏低同时mean_depth也低那就是测序深度的问题如果SNP数正常但缺失率高可能是call变异时的过滤参数太严格或者样本纯度不够如果SNP数偏高同时duplication率也高要警惕样本污染。这个合并动作很简单用pandas几行就能搞定import pandas as pd snp_df pd.read_csv(sample_snp_counts.csv) depth_df pd.read_csv(depth_summary.csv) qc snp_df.merge(depth_df, onsample, howleft) qc.to_csv(all_sample_qc.csv, indexFalse)合并之后的表就是可以直接交给下游分析或合作方的最终QC报告。6. 我在实际跑数中踩过的坑与排查链路6.1 多等位基因位点重复计数的问题有一次我给一个100样本的外显子数据集统计SNP数发现样本之间的SNP数差异比预期大有些样本甚至比别人多出几万个位点。排查后定位到根因这些样本的基因组区域刚好落在一些已知的多等位基因热点区域比如HLA区域一个位点经常出现三个甚至四个ALT等位基因。当时我的统计脚本没有对多等位基因做明确处理导致同一个位点在部分样本里被重复计了多次。修正后的规则很简单按“位点”计数不按“等位基因”计数。一个样本在一个多等位位点上只要存在任意一个非参考基因型就只计1个SNP。同时我建议如果项目不需要多等位基因信息直接用bcftools view -m2 -M2或bcftools norm -m-预处理VCF把多等位位点拆成双等位位点再从源头避免口径混乱。注意bcftools view -m2 -M2和bcftools norm -m-的语义不同。前者是过滤掉多于两个等位基因的位点后者是把一个多等位位点拆成多行双等位位点。拆开后“位点数”会变多这是正常的但不是每个人都知道。如果你要用拆分后的文件汇报SNP数一定要注明“按展开的等位基因计数”。6.2 重复样本列污染统计结果另一个比较隐蔽的坑来自样本命名。我接过一个VCF用bcftools query -l一看48个样本名里有2个重复的样本只是其中一个末尾多了_R后缀。查下来发现是该样本在两个批次里都做了测序联合分析时没有去重导致统计结果里出现两个高度相似的样本名让交付报告显得很混乱。排查链路是这样的用bcftools query -l列出所有样本名用sort | uniq -d找出重复名确认重复样本是否确实是同一个人/同一个DNA文库重测序而不是样本名编码错误如果是重复样本决定是去掉其中一列还是重命名后保留两个列分别统计。处理重复列可以用bcftools reheader --samples sample_names.txt一行一个样本名重新定义样本名把这个隐患在源头解决。6.3 一件事先说清VCF里的“SNP文件”和射频仿真SnP文件不是一回事最后说个容易让新手懵的搜索问题。有时候你去网上搜“snp文件”会看到大量跟射频仿真相关的结果尤其是HFSS这类电磁仿真软件导出的.s1p、.s2p等文件。那边叫“SnP文件”全称是S-parameter Network Parameter用于描述射频器件端口网络中的散射参数是一种完全不同的技术领域概念文件格式长这样# MHz S RI R 50 1000 0.8 -0.2 0.3 0.1 2000 0.7 -0.3 0.2 0.2而生物信息学里的SNP全称是Single Nucleotide Polymorphism指单核苷酸多态性记录在VCF文件中。两者只是英文缩写撞了车内容没有任何关系。如果你在WGS分析中拿到一个.s1p或.s2p文件先确认它是不是Touchstone格式——如果是那就不是变异位点文件别拿去跑注释或统计变异数方向完全不对。如果是从VCF里导出SNP位点通常做法是bcftools view -v snps过滤之后再用bcftools query提取位点表bcftools view -v snps input.vcf.gz -Ou | \ bcftools query -f %CHROM\t%POS\t%REF\t%ALT\n - snp_sites.tsv这才是标准的“从VCF导出SNP列表”的姿势。回到统计这件事上我最后想分享一个习惯每次跑这类统计前我会把“输入VCF的版本、是否经过VQSR、是否经过norm拆分、多等位位点怎么处理”写在脚本的注释里或者在结果表里附一个备注列。因为一个月或半年后你再看这个结果时文档比记忆靠谱得多。希望这篇文章能把你在多样品VCF里统计每个样本SNP数时遇到的问题都覆盖到少走几趟弯路。