生物信息学在高通量测序数据分析中的应用.pptVIP

常用生物信息学分析平台与资源 常用编程分析平台：Perl / BioPerlPython / BioPythonR / BioconductorJAVA / BioJava 常用网上资源：NCBI SRA – Sequence Read ArchiveUCSC Genome BrowserSEQanswers – WiKi Forum for NGS 第三十页，共六十六页，2022年，8月28日 常用基因组拼接软件 Velvet Ray ABySS SOAPdenovo SSAKE SHARCGS MIRA Edena 第三十一页，共六十六页，2022年，8月28日 基因组比对软件 BLAST BLAT MAQ SOAP Bowtie BWA SSAHA ELAND 第三十二页，共六十六页，2022年，8月28日 SNP 分析软件 SAMTools SOAPsnp NGS-Backbone MAQ SeqMan NGen CLCBio Genomics 第三十三页，共六十六页，2022年，8月28日 生物信息学在基因组分析方面的应用基因组de novo测序 对未知基因组序列的物种 取样： 动物：血液、肌肉 植物：叶片（黄化叶，组培植株） 估算基因组复杂度（大小、重复序列比例、杂合度） 测序技术： Illunima paired-end为主 Sanger、454、SOLiD为辅， PacBio目前也开始用于基因组测序补洞 文库构建 尽量随机打断 第三十四页，共六十六页，2022年，8月28日 WGS (whole genome shortgun) Coverage depth（覆盖深度or测序深度）： 每个碱基被测序的平均次数，是用来衡量测序数据量的首要参数。 测序总数据量/基因组大小 Coverage ratio（覆盖率）： 被测序到的碱基占全基因组大小的比率。覆盖比率随覆盖深度升高而提高，亦受测序bias的影响，如illumina测序会受到GC bias的影响，而导致测序不均匀。 理论上（完全随机打断）测序深度达到20x即可覆盖整个基因组。实际工作中一般需要50x以上（100 bp读长）。 Reads长度越长越好。 第三十五页，共六十六页，2022年，8月28日 De novo assembly Paired-end reads Contig Mate-end reads or long reads Scaffold Genetic map, FISH….. Chromosome 第三十六页，共六十六页，2022年，8月28日 基因组注释 蛋白编码基因注释 重复序列注释 非编码RNA注释，主要是miRNA 基因组注释流程 第三十七页，共六十六页，2022年，8月28日 全基因组成功测序案例 互叶梅基因组（国际互叶梅基因组测序项目，2013） The Amborella Genome and the Evolution of Flowering Plants 完全使用NGS测序组装 最原始的被子植物互叶梅Amborella已被确定是所有其他存活被子植物的单一姊妹物种，是其他被子植物比较的关键参照物。 Amborella植物测序基因组解决了“达尔文难解之谜”——为什么几百万年前花在地球上突然激增的问题。基因组序列为地球生命史上重大事件提供了理论参考：开花植物的起源。 第三十八页，共六十六页，2022年，8月28日 全基因组测序不成功案例 麻风树基因组（日本，2011） Sanger结合NGS 组装完成度低 只进行了基本的基因组注释。发现许多与脂质合成及抗病相关的基因。推测这些都是麻风树不断适应干燥环境获得的性质。 第三十九页，共六十六页，2022年，8月28日 重测序 (Resequencing) 对已有参考基因组物种的不同基因型或不同个体的全基因组或部分区段进行测序，以获得个体之间的基因组和功能差异。 用途： 了解物种的起源和演化历程 理解疾病的成因 理解动植物性状的分子机制 全基因组关联分析 (Genome-wild association study, GWAS) 第四十页，共六十六页，2022年，8月28日 SNP检测，注释和统计 Indel 检测，注释和统计 SV检测，注释和统计 CNV 检测，注释和统计 变异检测 第四十一页，共六十六页，2022年，8月28日 SNP calling 考虑测序错误 等位基因的SNP (考虑个体测序深度) A C SNV vs SNP SNV (sin