农业基因组学项目最合适的平台选择-thermofisherscientific.pdfVIP

TechnicalNote 农业基因组学项目最合适的平台选择 不牺牲数据质量和周转时间 新一代测序的快速发展帮助农业科学家建立起基因组的广泛资源，这将打造成一个“基因组文库的生动世界”。科研学者、动物育种专家和商 业种子公司都开始涉足这个庞大的基因组文库资源，从而加强农业基因组学策略。通过应用基因组标记来鉴定和选择重要性状，他们的目标是 提高生产力和商业可行性。 本技术指南整合了同行评议的杂志中介绍的基于序列的基因分型方法的经验，并比较了芯片在农业基因分型应用中的表现，以便协助您作出 基因分型技术的决策。 基于序列的基因分型概述 基因组选择和关联作图或连锁不平衡(LD)定位技术需要大量的标记，才能准确估计与基因型相关联的性状。这就要求获得基因型信息所使用的 技术必须是经济高效，且高通量的。全基因组测序以及利用序列捕获的靶向基因分型比较昂贵，而产生基因型数据的低通量方法对于常规应 用而言仍然是不实际的。在确定经济型测序的目标下，基于测序的基因分型方法，如基于酶切的简化DNA测序1 (RADseq)和genotyping-by- sequencing (GBS) 2 已不断发展，它们在科研和日常应用中的潜力被不断引用。 基于测序的方法依赖于对多个样品添加条形码，并降低基因分型的成本。这种技术利用限制性内切酶来消化目标限制位点和低拷贝基因组区 域，以降低基因组复杂度。这样就能够避免带有重复序列的区域，它们容易产生模糊或假的SNP ，且增加测序成本。利用测序而获得的基因型 数据在质量和数量上大有不同，这高度依赖于生物体的基因组大小和结构以及评估的群体。基因组结构的复杂度，如倍性水平、GC含量和重 复序列、待研究群体的遗传多样性，以及群体内的交配系统，都对测序技术准确轻松收集基因型数据的成本、准确性和效率有着直接的影响。 对于那些标记探索落后或不完善的物种而言，基于测序的基因分型技术很有用。GBS和RADseq都能用于至少96个样品，而不需要访问参考数 据库或之前发现的标记。这种技术还特别适合筛查数千个多态性，以了解遗传变异的后果，之前人们依赖极其少量的标记，如微卫星和扩增 片段长度多态性(AFLP)。基于测序的基因分型技术已被用于标记的发现。杂志上已经发表了在多个物种上开展的各种实验的结果，如大麦、玉 米、小麦、牛和鳟鱼等。在常规的基因分型中使用基于测序的基因分型技术依然遥遥无期，这有几方面的原因，本文中也列出了其中一些。 《Molecular Ecology》杂志关于genotyping-by-sequencing技术的特刊3也总结指出，新的genotyping-by-sequencing技术仍然是不完善 的，无法在不同的植物和动物中充分地扩展。 基于序列的基因分型中的关键实验因素 图1：新一代测序平台上的所有应用必须平衡四个关键参数。 所有的新一代测序平台都有序列碱基数量的限制，它们由每个测序 运行产出。这个有限的产出能力意味着基于测序的基因分型运行必 Sample 须平衡四个关键参数：样品多重分析的水平、基因组覆盖度、序列 multiplexing 覆盖度以及每个样品的成本。 样品的多重分析很关键，因为测序仪的有限产出能力必须由运行中 包括的所有样品来共享。更多样品意味着每个样品的测序碱基更 Cost per Genomic sample coverage 少。 基因组覆盖度也很重要，因为它决定了被分析基因组的百分比，因 此，也决定了基因组中可获取的标记数量。更高的基因组覆盖度是 Sequence coverage 以牺牲其他参数中的一个为代价而实现的，因为它需要更多的测序 仪产出能力。 序列覆盖度(或序列 “深度”)决定了数据集中每个序列的平均读取数量。实际上，一些序列频繁被读取，而一些较少被读取，或根本没有。序 列覆盖度影响数据中缺口的百分比以及基因型准确性。准确的基因型检出通常