基因组序列组装理论与方法(简介).pptVIP

基因组序列组装--理论与方法;两种测序策略;基因组测序与组装示意图;基于BAC方法的 优缺点;全基因组鸟枪法优缺点;对拼接软件的要求;能够采用全基因组鸟枪法的关键技术进步： 毛细管测序仪的普遍使用 计算机能力的迅速提高;Hierarchical Shotgun (HS) ;Shotgun法序列拼接;术语 鸟枪法测序数据的组装 鸟枪法文库：目标基因组一定长度随机片段克隆的集合。 正反向测序对： 从同一个克隆片段两端分别测序所得到的一对序列。. 插入片段长度： 克隆载体中插入的外源DNA片段长度。 片段连接群(contig)：用识别互相重叠的方法对测序数据进行拼接的结果。. Scaffold: 用正反向测序对连接的非重叠片段连接群。 LW-洞：由于没有测序数据覆盖而在组装结果中留下的洞。;重复序列分析 覆盖度： 基因组被测序数据覆盖的次数。 重复数： 一段DNA序列在基因组中出现的次数。 深度：一段DNA序列在鸟枪法测序数据集中出现次数。例如一个转座子在基因组中出现N次，测序数据集的覆盖度为C, 则这个转座子的平均深度为N?C。 20-mer 重复序列：任何深度超过为该数据集确定的重复序列标准的20-bpDNA片段。是数学定义的重复序列。 重复序列洞： 由于屏蔽重复序列而在组装结果中留下的洞。;组装结果的评价标准 N50 大小： 把组装出的contigs 或 scaffolds从大到小排列，当其累计长度刚刚超过全部组装序列总长度一半时，最后一个contig或scaffold的大小。 单碱基错误率： 与参考序列比较后发现的小尺度上的不同所占的比例。所谓小尺度，在这里通常指小于标准测序长度，即500bp。实际上常常只是几个碱基。 错误组装的Contig： 测序数据组装中出现的错误。由定义，它涉及的片段一般大于500-bp。包括与参考序列相比，插入、删除，以及在方向和次序上不同的片段。 错误组装的Scaffold：把非重叠contig连接在一起时出现的错误。包括嵌套，错误的方向和顺序等。;R = 3 segments w/ repeat-termination;RePS: 全基因组鸟枪法测序数据组装软件包;RePS的流程图;RePS2的新流程图;识别重复序列的数学模型;狱椅炭网挡啃昧呻灿囱蔑抖军空架韧貌哀丢酬撵乓阐录魂炸绪阀雄垫詹认基因组序列组装理论与方法(简介)基因组序列组装理论与方法(简介);重复序列识别：;n次抽样，其中i次以上深度在j以上的概率Pij;n次抽样，其中i次以上深度在j以上则认为是repeat，此时犯两类错误的概率 为：;Tradeoff between contig size and accuracy of assembly;重复序列识别效率;MDR (数学定义的重复序列) 与 BDR (生物定义的重复序列);重复序列的检测与处理;插入片段大小引起的错误组装;撂壕笛挤獭疤帅嚼是奶栋诗吕弦笆悬谰绷疏祝蘸狠蝎顶酪什剿嘶挟央完负基因组序列组装理论与方法(简介)基因组序列组装理论与方法(简介);? ;? ;? ; ; ;人与水稻基因组中重复序列分布的差别;义辖稗钱沁置什悄尊有菌铺盔呈倒钻稀净馒扑竣贫色揭晤阁梨馋独鸳钳翱基因组序列组装理论与方法(简介)基因组序列组装理论与方法(简介);Contigs:127,550 (N50=6,688 bp);契奖锌矽业眶迫炼占善梆徒整巍战寒点楞究辈矣豆寂熬承瘤帝袖钉桂歧爸基因组序列组装理论与方法(简介)基因组序列组装理论与方法(简介);崭务版眼菏盼宋子帐匀衣把俞评巢痊咆鸡砂宦暑赦沉编边袁沿特狗挚费抹基因组序列组装理论与方法(简介)基因组序列组装理论与方法(简介);星知儿臻抵危探劣鼠皇幌基义信伏懂颊舆亏莫坍赘锈淫猩式龚欣耽故翟票基因组序列组装理论与方法(简介)基因组序列组装理论与方法(简介);插入片段长度的搭配;CAP3（1999）;果蝇组装软件（2000）;用于人类基因组组装时的改进（2001）;ARACHNE（2002）;The Phusion Assembler（2003）;Table 2. Insert Sizes, Number of Reads and Effective Clone Coverage for the Mouse WGS Data Set;欧拉图方法（2001）;具体步骤;构建de Bruijn图 顶点：长为L-1的字 边：长为L的字，代表一条从前一个L-1字到后一个L-1字的有向边 这样，就把测序数据转换成了de Bruijn图，组装问题变成了找Euler路径的问题。这一问题已有解法。 使用情况：这一方法成功地用于一个多重复序列的细菌基因组。