傳說中，九尾妖狐用祂的九條尾巴創造出九個分靈體。這些被稱為「妖狐」的分靈體四散世界各地，以「實現人們的願望」為餌，吸取祈願者的精氣來強化自身的力量。
故事的男主角是一名大學生，在暑假期間受出遊的親戚委託看家，百無聊賴之下只好看新聞打發時間。此時新聞熱議的是殺生石裂開的消息，網路盛傳封印千年的妖狐將再度現身。
不過男主角對此不意為意，比起妖狐，他更在意自己的單調無趣的感情世界──他從沒有交往經驗，也不知道該如何認識伴侶。
正當他絕望地唉聲嘆氣時，門鈴響了。一名穿著上班族制服的白髮女孩在門外等著，一見到主角便詢問：「請問你有想實現的願望嗎？」
在還沒搞清楚狀況之前，男主角便說溜了嘴：他希望受到女生歡迎。語畢，女孩現出真身，露出一對狐狸耳朵和尾巴，還笑著說要和男主角締結契約，這究竟是怎麼回事？
這款是我還沒入坑視覺小說時，看價格便宜就塞進購物車的作品。因為中途注意力被其他遊戲吸引，直到近期才有時間補完。故事的開端是高中時互有好感的男女主角在出社會後重逢，在女主角提議下成為床伴，互相依偎度過下班後寂寞的夜晚。
雖然 R18 場景佔了遊玩動機的很大一部份，實際看劇情時反而更在意主角間的互動。另外，不知道是不是因為在周日玩的關係，故事裡描述上班族辛酸的橋段，我都特別有共鳴。
冬季篇交代了史彌的職涯選擇以及他與槙乃的感情後話，為系列畫下句點。在最後一集，史彌的父親告知他，知海書房將在野原車站下一站的購物中心開立具有地方特色的分店，政府也打算為區域發展協調來往兩處的公車。
前述計畫將導致野原車站的人流大幅降低，從而打擊金曜堂的生計。史彌非常珍視金耀堂，也明白槙乃等人的經營模式無法在殘酷的市場存活。為此，他不得不面對一直逃避的難題，究竟要繼承知海書店？還是要另謀他職？無論走哪條路，他要怎麼守住他與金曜堂成員的回憶？
《星期五的書店》以新進工讀生史彌的視角，描述了獨立書店的員工與客人因為書籍而相會的人生故事。作者也隨著故事推進，補充了書店成員們的背景與關係變化。
春季篇介紹了金耀堂成員槙乃、栖川與和久是如何客人分憂解勞，同時鋪述這些原班人馬的經歷以及成立書店的緣由；夏季篇揭曉同窗好友迅早逝的真相，讓史彌逐漸能夠接觸並一起面對金曜堂成員的共同創傷。
《秋天與濃湯》則把重心放在史彌的成長，他逐漸能像槙乃一樣察覺客人尋書的隱藏動機，為他們找到解決煩惱的可能途徑。
此書為《星期五的書店》的續集，體例承襲了由短篇構成長篇的結構，講述顧客因為尋書上門，卻意外在金耀堂找到人生難題的解答。雖然維持相同的敘事模式，作者卻沒有讓故事停滯，在這集補全了缺席成員迅的故事。
在《星期五的書店》的一開始，大學生倉井史彌造訪了網路上好評不斷的「金曜堂」，替臥病在床的父親尋找一本書。史彌的父親是連鎖書店「知海書店」之經營者，他在生病之後向史彌索還─庄司薰的《聽不見天鵝唱歌》。搞丟原書的史彌買了不同版本的書還給父親，卻被父親以「這不是我要的版本」為由拒絕了。因此，史彌才遠赴位於野原車站內部的金曜堂，據說顧客總能在那找到當下最需要的書。
去年重感冒的時候，連上社群網站看廢文都沒有力氣，只能躺在床上胡思亂想，在藥效消退但症狀趨嚴的時刻感受生命的脆弱。當時，我想起剛升上大學時寫下的生涯目標。儘管已畢業多年，我追求的仍不偏那份清單。
然而，隨著年齡增長，我逐漸認清自己沒有「全都要」的餘裕。這份體悟不見得是壞事，它只是告訴我無論打算做什麼，能猶豫的空間不多了。畢竟，我又不是什麼沒大腦但能活幾百年的水母，我是壽命有限又想特別多的靈長類後裔。
於是，我很認真思考到了人生的最後，沒有實踐哪個目標最讓我後悔。在咳嗽、流鼻水、濃痰、低燒、畏寒、昏昏欲睡等折磨之下（這蠻符合我對人生最後的想像）模擬了各種情境後，我覺得我一定會後悔沒有把心中的故事寫下來。
病癒之後，我開始寫了。
其他目標也很重要，但我一定會後悔沒有寫。因此，對於曾經追求過的，我保留彈性，可是寫作現在就得做。
Markdown 容許人們使用易讀的符號註記標題、強調和腳註等排版元素。它既方便人類閱讀（相較於 Latex），也容易程式讀取（相較於 word），只要透過合適的渲染器即可將文件轉換為 HTML 格式，很適合需要版本控管而且內容單純的技術寫作。
先前曾介紹如何透過辨識碼來避免不同樣本的分析資料在平行運算時彼此串擾。
當 workflow 涉及 output 合流的狀況時，要把所有資料整合在同一個 input channel 並且共享唯一的辨識碼。
1 | val(id), val(data_1), val(data_2) |
分開寫的話很可能會發生串擾。首先 process 釋出資料的順序取決於完成時間，沒辦法保證來自不同 channels 的 data_1 和 data_2 同屬一個樣本。其次，前面的辨識碼會被後面的辨識碼覆蓋，導致辨識碼與資料不相符。
1 | val(id), val(data_1) |
整合 output channels 的設計其實很常見，例如合併多組分析的統計表，我剛寫 Nextflow 時也常踩這個坑，所以覺得值得寫一篇短文說明問題的起因。
結構變異（Structural variants, SVs）泛指基因體中長度超過 50 bp 的變異，包含插入 (insertion)、刪除 (deletion)、易位 (translocation) 與倒置 (inversion) 等類型。雖然人類的結構變異總數低於小片段變異，單一變異可能涵蓋影響多個基因片段，影響生理功能甚或引發疾病，使之成為臨床檢測的潛在標的。
隨著定序技術成熟，偵測結構變異的演算法推陳出新。為了能客觀評估這些方法的效度，Genome in a Bottle (GIAB) 以 HG002 樣本，採用多項定序與分析技術，並且透過親屬資料交叉驗證，建立了結構變異的標準資料。
本文將介紹如何使用 Truvari 基於 GIAB 標準資料來評估結構變異的分析效度。除了提供具體的操作方式外，也探討實際分析時可能遇到的技術挑戰。