基于高通量测序的基因组分析

高通量测序

高通量测序技术（High-throughput sequencing）又称“下一代”测序技术（\），以能一次并行对几十万到几百万条DNA分子进行序列测定和一般读长较短等为标志。 名词解释

根据发展历史、影响力、测序原理和技术不同等，主要有以下几种：大规模平行签名测序（Massively Parallel Signature Sequencing, MPSS)、聚合酶克隆（Polony Sequencing）、454焦磷酸测序（454 pyrosequencing）、Illumina (Solexa) sequencing、ABI SOLiD sequencing、离子半导体测序（Ion

semiconductor sequencing）、DNA 纳米球测序 （DNA nanoball sequencing）等。

高通量测序技术是对传统测序一次革命性的改变，一次对几十万到几百万条DNA分子进行序列测定，因此在有些文献中称其为下一代测序技术(next generation sequencing)足见其划时代的改变，同时高通量测序使得对一个物种的转录组和基因组进行细致全貌的分析成为可能，所以又被称为深度测序(deepsequencing

高通量测序入门第一帖http://bbs.bioon.net/bbs/thread-368220-1-1.html 很高兴成为论坛特邀专家，鄙人会接下来的一段时间内写一些高通量测序数据方面的帖子，由浅入深，可能刚开始会比较简单一些，后面会有一些针对性的专题，也欢迎各位大侠或小菜提出建议或问题大家一起探讨。 为了活跃论坛建议大家直接跟帖或发新帖，我会尽快回复大家。

本人方向也仅限在RNA-seq 领域，所以其他领域的问题可能不太了解，只能按照自己的背景知识和请教别人解答，请大家慢拍砖！

另外，由于实验室课题比较忙，所以可能不能及时发帖或回复大家，也请见谅。

既然是入门专题，那就先简单说一下，要分析高通量测序数据的配置要求吧： 声明：该配置不适用与从华大拿回分析结果直接写paper 的同学。我认识的一位同学一点生物信息背景也没有，直接用华大返回分析结果发了很好的文章，如果想这样的同学可直接跳过这篇，等待以后的专题。 言归正传： 1. 软配置：

生物理论知识：熟悉生命活动的基本过程，对复制、转录、翻译、转录后修饰有较清晰的认识，如果知道cis-element 和 trans-factor 的区别就更好了。推荐朱玉贤的分子生物学，能够掌握60%

高通量测序入门第一帖http://bbs.bioon.net/bbs/thread-368220-1-1.html 很高兴成为论坛特邀专家，鄙人会接下来的一段时间内写一些高通量测序数据方面的帖子，由浅入深，可能刚开始会比较简单一些，后面会有一些针对性的专题，也欢迎各位大侠或小菜提出建议或问题大家一起探讨。 为了活跃论坛建议大家直接跟帖或发新帖，我会尽快回复大家。

本人方向也仅限在RNA-seq 领域，所以其他领域的问题可能不太了解，只能按照自己的背景知识和请教别人解答，请大家慢拍砖！

另外，由于实验室课题比较忙，所以可能不能及时发帖或回复大家，也请见谅。

既然是入门专题，那就先简单说一下，要分析高通量测序数据的配置要求吧： 声明：该配置不适用与从华大拿回分析结果直接写paper 的同学。我认识的一位同学一点生物信息背景也没有，直接用华大返回分析结果发了很好的文章，如果想这样的同学可直接跳过这篇，等待以后的专题。 言归正传： 1. 软配置：

生物理论知识：熟悉生命活动的基本过程，对复制、转录、翻译、转录后修饰有较清晰的认识，如果知道cis-element 和 trans-factor 的区别就更好了。推荐朱玉贤的分子生物学，能够掌握60%

人类基因组计划

一、HGP：人类基因组计划(Human Genome Project) 二、基因组测序 三、基因组分析

四、其他基因组的测序与分析

人的基因这么少，却能行使复杂的功能的原因： 1. 一个基因对应多个产物：可变剪切和蛋白修饰 2. 垃圾基因的功能：非蛋白编码基因的重要功能

任务与进展

完成四张图：遗传图谱、物理图谱、转录图谱、序列图谱

(一) 遗传图谱（Genetic map） 1. 定义

又称连锁图谱（linkage map)或遗传连锁图谱(genetic linkage map) ，是指人类基因组内基因以及专一的多态性DNA标记(marker)相对位置的图谱，其研究经历了从经典的遗传图谱到现代遗传图谱的过程。

2. 经典的遗传图谱（以基因表型为标记） 3. 现代遗传图谱（以DNA为标记）

多态性（polymorphism）：人的DNA序列上平均每几百个碱基会出现一些变异（variation），并按照孟德尔遗传规律由亲代传给子代，从而在不同个体间表现出不同，因而被称为多态性。

? 第一代多态性标记：限制性片段长度多态性-RFLP

? 第二代多态性标记：短的串联重复序列：小卫星DNA、微卫星DNA ? 第

1. 高通量测序技术应用范围：

1) 遗传病诊断

2) 产前筛查与诊断

3) 植入前胚胎遗传学诊断

4) 肿瘤诊断与治疗

其中，前三个专业已经经过国家卫计委批准，肿瘤诊断与治疗暂未批

准。

2. 国家批准进行高通量测序服务的单位有北京的四家单位和广州的三家单位：

1） 中国医学科学院北京协和医院

2） 北京博奥医学检验所

3） 安诺优达基因科技（北京）有限公司医学检验所

4） 北京爱普益医学检验中心

广州的三家单位：

5） 深圳华大临床检验中心

6） 广州达安临床检验中心

7） 南方医科大学南方医院

具体内容如下。 2014年的最后一天，一则消息让整个基因测序行业提前进入了新年的火热气氛当中。国家卫计委医政医管局发布了关于《开展高通量基因测序技术临床应用试点工作的通知》（以下简称《试点名单通知》），公布了北广两地第一批高通量测序技术临床应用试点单位。通知中共涉及3个专业（遗传病诊断、产前筛查与诊断、植入前胚胎遗传学诊断），批准4家北京地区机构（中国医学科学院北京协和医院，北京博奥医学检验所，安诺优达基因科技（北京）有限公司医学检验所以及北京爱普益医学检验中心）以及3家广州地区机构（深圳华大临床检验中心，广州达安临床检验中心，南方医科大学南方医院）。

这一次发布，与同年3月份卫

真核基因组分析常规流程

一，二代数据质量控制

二代测序数据质量控制软件FastQC 分析的内容包括： 测序数据的基本信息 每个碱基的质量值

每条reads序列的质量值 每条序列的ATCG组成 每条序列N的含量 每条序列的长度分布 序列中duplication程度 K-mer信息

软件信息：http://www.bioinformatics.babraham.ac.uk/projects/fastqc/

二，数据过滤

过滤掉低质量值的reads 过滤掉接头

过滤掉N含量多的reads 过滤掉长度过短的reads 过滤掉PCR重复 三，组装

组装软件可以根据基因组情况选择，具体方法参看软件说明。

四，组装结果评估

1） 将组装用reads回贴到组装的基因组上，看reads mapping rate 来评估组装的质量

可以使用bwa来比对，samtools来统计 2） 使用CEGMA来评估组装的完整性

CEGMA (Core Eukaryotic Genes Mapping Approach) is a pipeline for building a setof

high reliable set of gene annotations i

DNA关键词：

WG-BSA (全基因组重测序 BSA)

对已有参考基因组序列的物种的所有作图群体（ F1、 F2、 RIL、 DH 和 BC1等），对亲本进行个体重测序，对某个极端性状材料混池测序，检测 SNP，获得与性状紧密关联的分子标记和精细定位区域，是目前最高效的基因定位方法。通过选取某个极端性状，利用高效率低成本的混池测序技术，勿需开发分子标记进行遗传图的构建，快速定位与性状相关的候选 QTL。

MP-Reseq (多混池全基因组重测序)

针对特有的优良地方品种中的不同品种/品系，通过群体内 pooling 建库的方法，进行全基因组重测序，采用生物信息学方法全基因组范围内扫描变异位点，能快速的定位不同混池样品基因组中明显经过人工或自然选择的区域，检测与性状相关的基因区域及其功能基因。

全基因组个体重测序

基于全基因组重测序的变异图谱通过测序手段结合生物信息分析研究同一物种不同个体之间的变异情况，获得大量的变异信息，如 SNP、 Indel、 SV 等。主要可以快速地获得大量的分子标记以及不同个体在基因组水平上的差异。

全基因组关联分析-GWAS

通过重测序对动植物重要种质资源进行全基因组基因型鉴定，与关注的表型数据进行全基因组关联分

宏基因组测序

目的

研究藻类物种的分类，研究与特定环境与相关的代谢通路，以及通过不同样品的比较研究微生物内部，微生物与环境，与宿主的关系。

技术简介

宏基因组 ( Metagenome)(也称微生物环境基因组 Microbial Environmental Genome, 或元基因组) 。是由 Handelsman 等 1998 年提出的新名词， 其定义为\即生境中全部微小生物遗传物质的总和。它包含了可培养的和未可培养的微生物的基因， 目前主要指环境样品中的细菌和真菌的基因组总和。而所谓宏基因组学 (或元基因组学， metagenomics) 就是一种以环境样品中的微生物群体基因组为研究对象， 以功能基因筛选和/或测序分析为研究手段， 以微生物多样性、 种群结构、 进化关系、 功能活性、 相互协作关系及与环境之间的关系为研究目的的新的微生物研究方法。一般包括从环境样品中提取基因组 DNA, 进行高通量测序分析，或克隆DNA到合适的载体，导入宿主菌体，筛选目的转化子等工作。

宏基因组 ( Metagenome)(也称微生物环境基因组 Microbial Environmental Genome, 或元基因组) 。是由 Handelsman 等

(5)高通量测序：环境微生物群落多样性分析

微生物群落多样性的基本概念

环境中微生物的群落结构及多样性和微生物的功能及代谢机理是微生物生态学的研究热点。长期以来，由于受到技术限制，对微生物群落结构和多样性的认识还不全面，对微生物功能及代谢机理方面了解的也很少。但随着高通量测序、基因芯片等新技术的不断更新，微生物分子生态学的研究方法和研究途径也在不断变化。第二代高通量测序技术（尤其是Roche

454高通量测序技术）的成熟和普及，使我们能够对环境微生物进行深度测序，灵敏地探测出环境微生物群落结构随外界环境的改变而发生的极其微弱的变化，对于我们研究微生物与环境的关系、环境治理和微生物资源的利用以及人类医疗健康有着重要的理论和现实意义。

在国内，微生物多样性的研究涉及农业、土壤、林业、海洋、矿井、人体医学等诸多领域。以在医疗领域的应用为例，通过比较正常和疾病状态下或疾病不同进程中人体微生物群落的结构和功能变化，可以对正常人群与某些疾病患者体内的微生物群体多样性进行比较分析，研究获得人体微生物群

落变化同疾病之间的关系；通过深度测序还可以快速地发现和检测常见病原及新发传染病病原微生物。研究方法进展

环境微生物多样性的研究方法很多，从国内外

1

宏基因组学（Metagenomics），又称元基因组学，以特定生境中的整个微生物群落作为研究对象，采用新一代高通量测序技术，获得环境微生物基因信

环境样本DNA进行测序，具有通量高、速度快、信息全等特点，在鉴定低丰度的微生物群落、挖掘更多基因资源方面具有很大优势，基于测序技术和生物信息学的快速发展，宏基因组技术优势在微生物研究领域中愈发明显，应用范围愈发广泛。

息总和，研究环境微生物的群落结构、物种分类、系统进化、基因功能及代谢网络等。宏基因组测序摆脱了传统研究中微生物分离培养的技术限制，直接提取

技术参数

宏基因组测序常见环境样本（请使用干冰或冰袋运送）

土壤、淤泥、沉积物≥5 g粪便≥2 g

组织样本≥1 g

水体送样为过滤后的滤膜（最适滤膜直径3-4cm）拭子样本≥2个

DNA样本（请使用干冰或冰袋运送）DNA：浓度≥50 ng/μl 总量≥2 ng

OD260/280：1.8~2.0，无 RNA、蛋白质等 杂质污染

样品要求文库类型测序策略数据量类型多样本标准分析PCA分析HeatmapCluster

Krona物种注释展示差异显著性分析OG－物种归属分析代谢通路分析

300 bp小片段文库