对于华大平台来说，当样本量较少时，标签（测序barcode）的低多样性会导致标签的碱基cycle碱基不平衡，测序出错，最终数据无法拆分。碱基平衡对于测序非常重要，最佳情况下，A、T、C、G碱基在文库中各占25%。对于低多样性文库，一般加入Phix文库来使文库平衡。
illumina的文档说由于PhiX不含标签信息，因此无法用于平衡标签的信号，所以在测序前，对于barcode的选择也是非常重要的。
当然，由于illumina测序是检测红色(A/C)、绿色(G/T)两种光信号的强弱（Hiseq、Miseq），因此，A/C和G/T可以认为是同一类型，只需要保持每个cycle的AC比例和GT比例在50%左右即平衡。在Miniseq、NextSeq、NovaSeq中，C’是红光、T是绿光、G不发光、A是红+绿同时发光（黄）。
当前有若干个barcode，那么从中挑选出8个barcode进行上机。我想到大概的做法是随机选择8个barcode，然后每两个之间计算汉明距离，最后求和。重复随机挑1000次（足够多次），最后输出汉明距离和最大的组合。可以补充设定每两个barcode之间的汉明距离至少为3，同时舍弃如果在同一位置中，ATCG任意碱基比例小于0.125的barcode组合。
# 汉明距离
def hamming_distance(phase1, phase2):
if len(phase1) != len(phase2):
raise ValueError("长度不同，无法计算")
zipped = zip(phase1, phase2)
sum = 0
for z in zipped:
if z[0] != z[1]:
sum += 1
return sum
从一个barcode字典中选择若干个barcode，然后计算两两之间的汉明距离并求和
# 字典格式：{"T-1": "ATCAGTGC", "T-2": "CATGCATC", "T-3": "CGATCGAT"}
import random
import itertools
def randomSelectAndCal(d, amount):
randomSelectList = random.sample(d.keys(), amount)
select2 = list(itertools.combinations(randomSelectList, 2))
hmdSum = 0
for s in select2:
hmd = hamming_distance(d[s[0]], d[s[1]])
hmdSum += hmd
return [randomSelectList, hmdSum]
也有现成的包或软件可以用：
Barcosel，是一个在线的barcode选择器。
DNABarcodes，能用于输出最佳组合的R包。