重测序ppt20120406

2_重测序BSA分析项目结题报告

重测序BSA项目结题报告 客户单位：____________________________________ 报告单位：____________ 联系人：____________________________________ 联系电话: ___________________________ 传真：___________________________ 报告日期：____________________________________ 项目负责人：__________ 审核人: __________________ 目录 目录 (1) 1 项目概况 (1) 1.1 合同关键指标 (1)

1.2 项目基本信息 (1) 1.3 项目执行情况 (2) 1.4项目结果概述 (2) 2 项目流程 (3) 2.1 实验流程 (3) 2.2 信息分析流程 (3) 3 生物信息学分析 (5) 3.1 测序数据质控 (5) 3.1.1 原始数据介绍 (5) 3.1.2 碱基测序质量分布 (7) 3.1.3碱基类型分布 (9) 3.1.4 低质量数据过滤 (10) 3.1.5测序数据统计 (10) 3.2 与参考基因组比对统计 (11) 3.2.1 比对结果统计 (11) 3.2.2 插入片段分布统计 (11) 3.2.3 深度分布统计 (12) 3.3 SNP 检测与注释 (14) 331样品与参考基因组间SNP的检测 (14) 332样品之间SNP的检测 (17) 3.3.3 SNP结果注释 (19) 3.4 Small In Del 检测与注释 (22) 3.4.1 样品与参考基因组间Small InDel 的检测 (22) 3.4.2样品之间Small InDel 检测 (22) 343 Small In Del 的注释 (23) 3.5 关联分析 (26) 3.5.1高质量SNP筛选 (26) 3.5.2 SNP-index方法关联结果 (26) 3.5.3 ED方法关联结果 (28)

高通量测序常用名词解释

什么是高通量测序？ 高通量测序技术（High-throughput sequencing，HTS）是对传统Sanger测序（称为一代测序技术）革命性的改变, 一次对几十万到几百万条核酸分子进行序列测定, 因此在有些文献中称其为下一代测序技术(next generation sequencing，NGS )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(Deep sequencing)。 什么是Sanger法测序（一代测序） Sanger法测序利用一种DNA聚合酶来延伸结合在待定序列模板上的引物。直到掺入一种链终止核苷酸为止。每一次序列测定由一套四个单独的反应构成，每个反应含有所有四种脱氧核苷酸三磷酸(dNTP)，并混入限量的一种不同的双脱氧核苷三磷酸(ddNTP)。由于ddNTP 缺乏延伸所需要的3-OH基团，使延长的寡聚核苷酸选择性地在G、A、T或C处终止。终止点由反应中相应的双脱氧而定。每一种dNTPs和ddNTPs的相对浓度可以调整，使反应得到一组长几百至几千碱基的链终止产物。它们具有共同的起始点，但终止在不同的的核苷酸上，可通过高分辨率变性凝胶电泳分离大小不同的片段，凝胶处理后可用X-光胶片放射自显影或非同位素标记进行检测。 什么是基因组重测序（Genome Re-sequencing） 全基因组重测序是对基因组序列已知的个体进行基因组测序，并在个体或群体水平上进行差异性分析的方法。随着基因组测序成本的不断降低，人类疾病的致病突变研究由外显子区域扩大到全基因组范围。通过构建不同长度的插入片段文库和短序列、双末端测序相结合的策略进行高通量测序，实现在全基因组水平上检测疾病关联的常见、低频、甚至是罕见的突变位点，以及结构变异等，具有重大的科研和产业价值。 什么是de novo测序 de novo测序也称为从头测序：其不需要任何现有的序列资料就可以对某个物种进行测序，利用生物信息学分析手段对序列进行拼接，组装，从而获得该物种的基因组图谱。获得一个物种的全基因组序列是加快对此物种了解的重要捷径。随着新一代测序技术的飞速发展，基因组测序所需的成本和时间较传统技术都大大降低，大规模基因组测序渐入佳境，基因组学研究也迎来新的发展契机和革命性突破。利用新一代高通量、高效率测序技术以及强大的生物信息分析能力，可以高效、低成本地测定并分析所有生物的基因组序列。 什么是外显子测序（whole exon sequencing） 外显子组测序是指利用序列捕获技术将全基因组外显子区域DNA捕捉并富集后进行高通量测序的基因组分析方法。外显子测序相对于基因组重测序成本较低，对研究已知基因的SNP、Indel等具有较大的优势，但无法研究基因组结构变异如染色体断裂重组等。 什么是mRNA测序（RNA-seq） 转录组学（transcriptomics）是在基因组学后新兴的一门学科，即研究特定细胞在某一功能状态下所能转录出来的所有RNA（包括mRNA和非编码RNA）的类型与拷贝数。Illumina 提供的mRNA测序技术可在整个mRNA领域进行各种相关研究和新的发现。mRNA测序不对引物或探针进行设计，可自由提供关于转录的客观和权威信息。研究人员仅需要一次试验即可快速生成完整的poly-A尾的RNA完整序列信息，并分析基因表达、cSNP、全新的转录、全新异构体、剪接位点、等位基因特异性表达和罕见转录等最全面的转录组信息。简单的样

DNA测序结果分析

学习 通常一份测序结果图由红、黑、绿和蓝色测序峰组成，代表不同的碱基序列。测序图的两端（本图原图的后半段被剪切掉了）大约50个碱基的测序图部分通常杂质的干扰较大，无法判读，这是正常现象。这也提醒我们在做引物设计时，要避免将所研究的位点离PCR序列的两端太近（通常要大于50个碱基距离），以免测序后难以分析比对。 我的课题是研究基因多态性的，因此下面要介绍的内容也主要以判读测序图中的等位基因突变位点为主。 实际上，要在一份测序图中找到真正确实的等位基因多态位点并不是一件容易的事情。由于临床专业的研究生，这些东西是没人带的，只好自己研究。开始时大概的知道等位基因位点在假如在测序图上出现像套叠的两个峰，就是杂合子位点。实际比对了数千份序列后才知道，情况并非那么简单，下面测序图中标出的两

个套峰均不是杂合子位点，如图并说明如下： 说明：第一组套峰，两峰的轴线并不在同一位置，左侧的T峰是干扰峰；第二组套峰，虽两峰轴线位置相同，但两峰的位置太靠近了，不是杂合子峰，蓝色的C峰是干扰峰通常的杂合子峰由一高一略低的两个轴线相同的峰组成，此处的序列被机器误判为“C”，实际的序列应为“A”，通常一个高大碱基峰的前面1～2个位点很容易产生一个相同碱基的干扰峰，峰的高度大约是高大碱基峰的1/2，离得越近受干扰越大。一个摸索出来的规律是：主峰通常在干扰峰的右侧，干扰峰并不一定比主峰低。最关键的一点是一定要拿疑似为杂合子峰的测序图位点与测序结果的文本序列和基因库中的比对结果相比较；一个位点的多个样本相比较；你得出的该位点的突变率与权威文献或数据库中的突变率相比较。通常，对于一个疑似突变位点来说，即使是国际上权威组织大样本的测序结果中都没有报道的话，那么单纯通过测序结果就判定它是突变点，是并不严谨的，因一份PCR产物中各个碱基的实际含量并不相同，很难避免不产生误差的。对于一个未知

人类基因组重测序分析

6 首页 科技服务 医学检测 科学与技术 市场与支持 加入我们 关于我们提供领先的基因组学解决方案 Providing Advanced Genomic Solutions 诺禾致源 人类疾病基因组重测序分析图3 Circos 图 人类基因组重测序分析6项升级 Novo-Zhonghua Genomes 数据库注释 一些位点的突变可能在千人基因组中或在欧美人群中属于低频突变，但是对于中国人群来说却是常见突变。诺禾致源自建中国人数据库 Novo-Zhonghua Genomes，数据库中的所有样本均来自正常中国人群。已有研究表明，与国际通用的多人种数据库相比，使用单一人种数据库进行疾病研究，可以有效减少假阳性现象。 图2 真核生物基因的结构[6] 复杂疾病变异分类标准 DamLevel Variant Calling Variant Annotation Benign Likely Benign VUS Likely Pathogenic Custom knowledge Clinical Data Pathogenic Family Testing Published + in house data Population frequency Predictions: PolyPhen, SIFT, etc Amino acid conservation Published Disease Information Variant classification Candidate Variants Novo-Zhonghua Genomes 数据库注释 复杂疾病突变位点有害性分类 非编码区（Non-coding region）分析 疾病基因组 CNV/SV 分析 基于基因（Gene-based）的 Burden Analysis （复杂疾病散发样本） 可视化的数据结果展示 基于健康中国人群的千人测序数据，测序深度 > 30× 参考 ACMG 等，推出针对复杂疾病变异位点有害性的分类标准 应用 ENCODE 数据库最新内容，并结合国际通用数据库、自建数 复杂疾病突变位点有害性分类 基于美国医学遗传学会 ACMG[2]与 Duzkale H[3]提出的变异分类标准，诺禾致源疾病基因组信息分析团队推出了一套针对复杂疾病变异位点有害性的分类标准 DamLevel（如下图所示）。DamLevel 将变异位点的有害性分为5个层级：Pathogenic、Likely Pathogenic、VUS(Variant of uncertain significance)、Likely Begnin、Begnin，更好地鉴定个体遗传变异与疾病的相关性。 非编码区（Non-coding region）分析 基因组非编码区变异可以引发多种疾病，包括心脏类疾病、糖尿病、癌症、肥胖症等[4,5]，但目前对非编码区突变的筛选和功能描述仍具挑战性。诺禾致源非编码区分析，应用 ENCODE 数据库最新内容对非编码区突变进行注释，通过国际通用数据库和自建的 Novo-Zhonghua Genomes 数据库进行频率筛选以及保守性过滤，精确定位非编码区中低频且保守的突变，筛选到与疾病相关的非编码区突变。 疾病基因组 CNV/SV 分析 CNV/SV 与基因表达、表型、人类疾病发生发展都有着非常密切的关系[7,8]，诺禾致源疾病基因组信息分析团队研发了一整套 CNV/SV 筛选方法，包括有害性 CNV/SV 筛选和 de novo CNV/SV 分析（基于成三或成四家系）等。利用 DGV、DECIPHER、CNVD 等数据库对变异检出结果进行标记，从结果中进一步过滤掉良性 CNV/SV，经过一系列筛选后，准确鉴定个体 CNV/SV 遗传变异与疾病的相关性。 图4 CNV 分布图 表1 本次产品升级亮点 图5 Burden 分析结果的热图展示 1 2 3 4 5 Novo-Zhonghua Genomes 数据库注释 Novo-Zhonghua Genomes 数据库是诺禾致源自建针对 中国正常人群的数据库，助 力中国人群基因组信息解析。 复杂疾病突变位点 有害性分类 诺禾致源推出的复杂疾病变 异位点有害性的分类标准 （DamLevel），准确标识复杂 疾病的致病性突变位点。 非编码区 （Non-coding region）分析 应用 ENCODE 数据库最新内 容对非编码区进行注释、筛 选，精确定位非编码区中低 频且保守的突变。 疾病基因组 CNV/SV 分析 完整的有害性 CNV/SV 筛选 和 de novo CNV/SV 分析， 准确鉴定个体 CNV/SV 遗传 变异与疾病的相关性。 基于基因 （Gene-based）的 Burden Analysis 针对复杂疾病的研究，通过 检测疾病状态与基因变异的 相关性，寻找特定疾病（或 性状）的易感基因。 可视化的 数据结果展示 灵活易用的测序数据结果展 示，使大量复杂数据的分析 变得轻松而高效，提高数据 可读性。 ? log 10 ( P ? value ) Mutations of Genes Prioritized by Burden Analysis CIR1 PIGP CTSE PRB2 CYP HDAC1 GRK6 PIGK MYL6B EHD2 0810 246 Mutations 4 3 2 1 基于基因（Gene-based）的 Burden Analysis 关联分析是研究复杂疾病的1个重要方法，其通过检测疾病状态与基因变异的相关性，寻找特定疾病（或性状）的易感基因。通常是在具有不同表型的2组个体（一般为患病者和正常对照者）中，基于遗传位点（或基因、单体型）的频率分布差异，间接反映该遗传位点（或基因）可能与疾病（或性状）存在关联性。 Burden Analysis（Gene-based）基于复杂疾病的 case 和 control 散发样本，通过 Fisher's exact test 以及 SKAT 统计方法分析得到候选基因，针对候选基因可以进行富集分析（KEGG 富集分析和 GO 富集分析）与蛋白网络互作分析。 可视化的结果展示 诺禾致源疾病基因组信息分析团队，会为客户提供不断更新的变异注释、项目特异性分析和灵活易用的“变异-基因-疾病”可视化结果，让科学研究更轻松。 图6 疾病与基因关联性展示图 产品名称升级亮点 引领行 业新 标杆 参考文献 [1] Nagasaki M, Yasuda J, Katsuoka F, et al. Rare variant discovery by deep whole-genome sequencing of 1,070 Japanese individuals.[J]. Nature Communications, 2015, 6. 阅读原文 >> [2] Richards S, Aziz N, Bale S, et al Standards and guidelines for the interpretation of sequence variants: a joint consensus recommendation of the American College of Medical Genetics and Genomics and the Association for Molecular Pathology[J]. Genetics in Medicine, 2015. 阅读原文 >> [3] Duzkale H, Shen J, McLaughlin H, et al. A systematic approach to assessing the clinical significance of genetic variants[J]. Clinical genetics, 2013, 84(5): 453-463. 阅读原文 >> [4] Yoshinari M, Akihiko M, Dongquan S, et al. A functional polymorphism in the 5' UTR of GDF5 is associated with susceptibility to osteoarthritis.[J]. Nature Genetics, 2007, 39(4):529-33. 阅读原文 >> [5] Kjong-Van L, Ting C. Exploring functional variant discovery in non-coding regions with SInBaD.[J]. Nucleic Acids Research, 2012, 41 (1):e7-e7. 阅读原文 >> [6] https://https://www.sodocs.net/doc/1d14255109.html,/wiki/Regulatory_sequence 阅读原文 >> [7] Sudmant P H, Rausch T, Gardner E J, et al. An integrated map of structural variation in 2,504 human genomes.[J]. Nature, 2015, 526 (7571):75-81. 阅读原文 >> [8] Birney E, Soranzo N. Human genomics: The end of the start for population sequencing.[J]. Nature, 2015, 526(7571):52-3. 阅读原文 >> 免费升级7-9月 新签合同 免费升级数据分析

测序结果处理方法及聚类分析(DOC)

一、测得序列的拼接及处理 1、送样类型 a非克隆法（如PCR产物、PCR产物纯化回收等） 由于此类型样品，两端的引物序列一般在测序的过程中会有缺失，很难找全引物序列，仅能找到部分引物序列，因此对于此类型样品的测序结果可以不做引物序列的查找，后续需要可再做引物序列的查找。 b克隆法（片段通过TA克隆或其他载体构建等） 此类型样品，目的片段两端的引物可以很完整的保存在载体中，引物序列亦是测序片段，所以引物序列比较完整，可以找到引物的完整序列，因此可以通过查找引物序列而找到目的片段的起始位置。 2、测序方法 观察峰值图可用软件“bioedit” a单向测通 对于此种测序结果基本上单条序列不需要拼接，通过观察序列峰值图来初步判断序列结果的准确性，一般来说峰越尖越好，套峰越少越好。 b双向测通 对于此种测序结果，除了要观察峰值图的好坏外，要得到完整的序列，还需要对双向序列进行拼接，利用DNASTAR中seqMan进行拼接，点击“NEW”、“add sequence”（一般为abi格式，选择双向测序结果）、“assemble”，“contig”，一般保存完整的片段长度即选择“All”，亦可保存其中的片段长度，保存格式一般选择“fas”格式以便在不同的编辑软件中使用。具体步骤如下图。

3、对测得的序列进行比对及聚类分析 一般来讲，可以将所有需要进行比对的序列粘贴在一个记事本中，保存的格式最好 为“fas”格式，，利用软件“MEGA”中“Align”打开所需序列，依据序列的特性进行选择如DNA或protein，然后添加所有需要进行比对的序列。

可根据序列的具体情况进行选择比对的方法，本教程选择“ClustalW”法。 析，可保存为该软件格式，或其他格式。

高通量测序NGS数据分析中的质控

高通量测序错误总结 一、生信分析部分 1）Q20/Q30 碱基质量分数与错误率是衡量测序质量的重要指标，质量值越高代表碱基被测错的概率越小。Q30代表碱基的正确判别率是99.9%，错误率为0.1%。同时我们也可以理解为1000个碱基里有1个碱基是错误的。Q20代表该位点碱基的正确判别率是99%，错误率为1%。对于整个数据来说，我们可以认为100个碱基里可能有一个是错误的, 在碱基质量模块报告的坐标图中，背景颜色沿y-轴将坐标图分为3个区：最上面的绿色是碱基质量很好的区，Q值在30以上。中间的橘色是碱基质量在一些分析中可以接受的区，Q值在20-30之间。最下面红色的是碱基质量很差的区。在一些生信分析中，比如以检查差异表达为目的的RNA-seq分析，一般要求碱基质量在Q在Q20以上就可以了。但以检查变异为目的的数据分析中，一般要求碱基质量要在Q30以上。 一般来说，测序质量分数的分布有两个特点： 1.测序质量分数会随着测序循环的进行而降低。 2.有时每条序列前几个碱基的位置测序错误率较高，质量值相对较低。 在图中这个例子里，左边的数据碱基质量很好，而右边的数据碱基质量就比较差，需要做剪切（trimming），根据生信分析的目的不同，要将质量低于Q20或者低于Q30的碱基剪切掉。 2）序列的平均质量 这个是碱基序列平均质量报告图。横坐标为序列平均碱基质量值，纵坐标代表序列数量。通过序列的平均质量报告，我们可以查看是否存在整条序列所有的碱基质量都普遍过低的情况。一般来说，当绝大部分碱基序列的平均质量值的峰值大于30，可以判断序列质量较好。如这里左边的图，我们可以判断样品里没有显着数量的低质量序列。但如果曲线如右边的图所示，在质量较低的坐标位置出现另外一个或者多个峰，说明测序数据中有一部分序列质量较差，需要过滤掉。 3）GC含量分布 这个是GC含量分布报告图。GC含量分布检查是检测每一条序列的GC含量。将样品序列的GC 含量和理论的GC含量分布图进行比较，用来检测样品数据是否有污染等问题。理论上，GC含量大致是正态分布，正态分布曲线的峰值对应基因组的GC含量。如果样品的GC含量分布图不是正态分布，如右图出现两个或者多个峰值，表明测序数据里可能有其他来源的DNA序列污染，或者有接头序列的二聚体污染。这种情况下，需要进一步确认这些污染序列的来源，然后将污染清除。 4）序列碱基含量

全基因组重测序数据分析

全基因组重测序数据分析 1. 简介(Introduction) 通过高通量测序识别发现de novo的somatic和germ line 突变，结构变异-SNV，包括重排 突变（deletioin, duplication 以及copy number variation）以及SNP的座位；针对重排突变和SNP的功能性进行综合分析；我们将分析基因功能（包括miRNA），重组率（Recombination）情况，杂合性缺失（LOH）以及进化选择与mutation之间的关系；以及这些关系将怎样使 得在disease（cancer）genome中的mutation产生对应的易感机制和功能。我们将在基因组 学以及比较基因组学，群体遗传学综合层面上深入探索疾病基因组和癌症基因组。 实验设计与样本 （1）Case-Control 对照组设计； （2）家庭成员组设计：父母-子女组（4人、3人组或多人）； 初级数据分析 1．数据量产出：总碱基数量、Total Mapping Reads、Uniquely Mapping Reads统计，测序深度分析。 2．一致性序列组装：与参考基因组序列（Reference genome sequence）的比对分析，利用贝叶斯统计模型检测出每个碱基位点的最大可能性基因型，并组装出该个体基因组的一致序列。3．SNP检测及在基因组中的分布：提取全基因组中所有多态性位点，结合质量值、测序深度、重复性等因素作进一步的过滤筛选，最终得到可信度高的SNP数据集。并根据参考基 因组信息对检测到的变异进行注释。 4．InDel检测及在基因组的分布: 在进行mapping的过程中，进行容gap的比对并检测可信的short InDel。在检测过程中，gap的长度为1~5个碱基。对于每个InDel的检测，至少需 要3个Paired-End序列的支持。 5．Structure Variation检测及在基因组中的分布: 能够检测到的结构变异类型主要有：插入、缺失、复制、倒位、易位等。根据测序个体序列与参考基因组序列比对分析结果，检测全基因组水平的结构变异并对检测到的变异进行注释。

高通量基因组测序中 测序深度,覆盖度

高通量基因组测序中，什么是测序深度和覆盖度？ 1G=1024M 测序深度是指测序得到的总碱基数与待测基因组大小的比值。假设一个基因大小为2M，测序深度为10X，那么获得的总数据量为20M。(测序深度=总数据量20M/基因组大小2M=10X) 覆盖度是指测序获得的序列占整个基因组的比例。由于基因组中的高GC、重复序列等复杂结构的存在，测序最终拼接组装获得的序列往往无法覆盖有所的区域，这部分没有获得的区域就称为Gap。例如一个细菌基因组测序，覆盖度是98%，那么还有2%的序列区域是没有通过测序获得的。 1、全基因组重测序是对已知基因组序列的物种进行不同个体的基因 序的个体，通过序列比对，可以找到大量的单核苷酸多态性位点(SNP)，插入缺失位点(InDel，Insertion/Deletion)、结构变异位点(SV， 技术路线 提取基因组DNA，利用Covaris进行随机打断，电泳回收所需长度的DNA片段(0.2~5Kb)，加上接头, 进行cluster制备(Solexa)或E-PCR (SOLiD)，最后利用Paired-End(Solexa)或者Mate-Pair(SOLiD)的方法对插入片段进行重测序。图1-1，以SOLiD为例，说明整个实验方案。

也称目标外显子组捕获，是指利用序列捕获技术将全基因组外显子区域DNA 捕捉并富集后进行高通量测序的基因组分析方法。是一种选择基因组的编码序列的高效策略，外显子测序相对于基因组重测序成本较低，对研究已知基因的SNP、Indel 等具有较大的优势。 外显子(expressed region)是真核生物基因的一部分，它在剪接(Splicing)后仍会被保存下来，并可在蛋白质生物合成过程中被表达为蛋白质。外显子是最后出现在成熟RNA中的基因序列，又称表达序列。既存在于最初的转录产物中，也存在于成熟的RNA分子中的核苷酸序列。在人类基因中大约有180,000外显子，占人类基因组的1%，约30MB。

高通量测序生物信息学分析(内部极品资料,初学者必看)

基因组测序基础知识 ㈠De Novo测序也叫从头测序，是首次对一个物种的基因组进行测序，用生物信息学的分析方法对测序所得序列进行组装，从而获得该物种的基因组序列图谱。 目前国际上通用的基因组De Novo测序方法有三种： 1. 用Illumina Solexa GA IIx 测序仪直接测序； 2. 用Roche GS FLX Titanium直接完成全基因组测序； 3. 用ABI 3730 或Roche GS FLX Titanium测序，搭建骨架，再用Illumina Solexa GA IIx 进行深度测序，完成基因组拼接。 采用De Novo测序有助于研究者了解未知物种的个体全基因组序列、鉴定新基因组中全部的结构和功能元件，并且将这些信息在基因组水平上进行集成和展示、可以预测新的功能基因及进行比较基因组学研究，为后续的相关研究奠定基础。 实验流程： 公司服务内容 1.基本服务：DNA样品检测；测序文库构建；高通量测序；数据基本分析（Base calling，去接头， 去污染）；序列组装达到精细图标准 2.定制服务：基因组注释及功能注释；比较基因组及分子进化分析，数据库搭建；基因组信息展 示平台搭建 1.基因组De Novo测序对DNA样品有什么要求？

(1) 对于细菌真菌，样品来源一定要单一菌落无污染，否则会严重影响测序结果的质量。基因组完整无降解(23 kb以上)， OD值在1.8～2.0 之间；样品浓度大于30 ng/μl；每次样品制备需要10 μg样品，如果需要多次制备样品，则需要样品总量=制备样品次数*10 μg。 (2) 对于植物，样品来源要求是黑暗无菌条件下培养的黄化苗或组培样品，最好为纯合或单倍体。基因组完整无降解(23 kb以上)，OD值在1.8～2.0 之间；样品浓度大于30 ng/μl；样品总量不小于500 μg，详细要求参见项目合同附件。 (3) 对于动物，样品来源应选用肌肉，血等脂肪含量少的部位，同一个体取样，最好为纯合。基因组完整无降解(23 kb以上)，OD值在1.8～2.0 之间；样品浓度大于30 ng/μl；样品总量不小于500 μg，详细要求参见项目合同附件。 (4) 基因组De Novo组装完毕后需要构建BAC或Fosmid文库进行测序验证，用于BAC 或Fosmid文库构建的样品需要保证跟De Novo测序样本同一来源。 2. De Novo有几种测序方式 目前3种测序技术 Roche 454，Solexa和ABI SOLID均有单端测序和双端测序两种方式。在基因组De Novo测序过程中，Roche 454的单端测序读长可以达到400 bp，经常用于基因组骨架的组装，而Solexa和ABI SOLID双端测序可以用于组装scaffolds和填补gap。下面以solexa 为例，对单端测序(Single-read)和双端测序(Paired-end和Mate-pair)进行介绍。Single-read、Paired-end和Mate-pair主要区别在测序文库的构建方法上。 单端测序(Single-read)首先将DNA样本进行片段化处理形成200-500bp的片段，引物序列连接到DNA片段的一端，然后末端加上接头，将片段固定在flow cell上生成DNA簇，上机测序单端读取序列(图1)。 Paired-end方法是指在构建待测DNA文库时在两端的接头上都加上测序引物结合位点，在第一轮测序完成后，去除第一轮测序的模板链，用对读测序模块(Paired-End Module)引导互补链在原位置再生和扩增，以达到第二轮测序所用的模板量，进行第二轮互补链的合成测序(图2)。 图1 Single-read文库构建方法图2 Paired-end文库构建方法

QTL-seq：用重测序方法进行数量性状基因座(QTL)定位的方法

TECHNICAL ADVANCE/RESOURCE QTL-seq:rapid mapping of quantitative trait loci in rice by whole genome resequencing of DNA from two bulked populations Hiroki Takagi 1,2,Akira Abe 2,3,Kentaro Yoshida 1,Shunichi Kosugi 1,Satoshi Natsume 1,Chikako Mitsuoka 1,Aiko Uemura 1,Hiroe Utsushi 1,Muluneh Tamiru 1,Shohei Takuno 4,Hideki Innan 5,Liliana M.Cano 6,Sophien Kamoun 6and Ryohei Terauchi 1,*1 Iwate Biotechnology Research Center,Kitakami,Iwate,024-0003,Japan,2 United Graduate School of Iwate University,Morioka,Iwate,020-8550,Japan,3 Iwate Agricultural Research Center,Kitakami,Iwate,024-0003,Japan,4 Department of Plant Sciences,University of California,Davis,CA 95616,USA,5 Graduate University for Advanced Studies,Hayama,Japan,and 6 The Sainsbury Laboratory,Norwich Research Park,Norwich,UK Received 7September 2012;revised 13December 2012;accepted 20December 2012;published online 05January 2013.*For correspondence (e-mail terauchi@ibrc.or.jp). SUMMARY The majority of agronomically important crop traits are quantitative,meaning that they are controlled by multiple genes each with a small effect (quantitative trait loci,QTLs).Mapping and isolation of QTLs is important for ef?cient crop breeding by marker-assisted selection (MAS)and for a better understanding of the molecular mechanisms underlying the traits.However,since it requires the development and selection of DNA markers for linkage analysis,QTL analysis has been time-consuming and labor-intensive.Here we report the rapid identi?cation of plant QTLs by whole-genome resequencing of DNAs from two populations each composed of 20–50individuals showing extreme opposite trait values for a given phenotype in a segregating progeny.We propose to name this approach QTL-seq as applied to plant species.We applied QTL-seq to rice recombinant inbred lines and F 2populations and successfully identi?ed QTLs for important agronomic traits,such as partial resistance to the fungal rice blast disease and seedling vigor.Simulation study showed that QTL-seq is able to detect QTLs over wide ranges of experimental variables,and the method can be generally applied in population genomics studies to rapidly identify genomic regions that underwent arti?cial or natural selective sweeps. Keywords:quantitative trait loci,breeding,whole genome sequencing,next generation sequencer,selective sweep,technical advance. INTRODUCTION The world’s population has already exceeded 7billion and is still growing,while the amount of land suitable for agri-culture is decreasing due to a variety of factors such as rapid climate change.Therefore there is a great demand for ef?cient crop improvement to increase yield without further expanding farmland and damaging the environ-ment (Godfray,2010;David et al.,2011). In crop plants,multiple genes each with a relatively minor effect control the majority of agronomically impor-tant traits.These genes are called quantitative trait loci (QTLs)(Falconer and Mackay,1996).Identi?cation of QTLs is an important task in plant breeding.Once a QTL control-ling a favorable trait is mapped with closely linked DNA markers,it is introduced into an elite cultivar by crossing of the recurrent elite parent to the donor plant.Following QTL a process marker-assisted selection and Matsuoka,2006).Marker-assisted selection reduces the effort and time needed for phenotype evaluation of the progeny during successive improves introgression ?2013The Authors The Plant Journal ?2013Blackwell Publishing Ltd 174 The Plant Journal (2013)74,174–183doi:10.1111/tpj.12105

高通量测序：第二代测序技术详细介绍

在过去几年里，新一代DNA 测序技术平台在那些大型测序实验室中迅猛发展，各种新技术犹如雨后春笋般涌现。之所以将它们称之为新一代测序技术（next-generation sequencing），是相对于传统Sanger 测序而言的。Sanger 测序法一直以来因可靠、准确，可以产生长的读长而被广泛应用，但是它的致命缺陷是相当慢。十三年，一个人类基因组，这显然不是理想的速度，我们需要更高通量的测序平台。此时，新一代测序技术应运而生，它们利用大量并行处理的能力读取多个短DNA 片段，然后拼接成一幅完整的图画。 Sanger 测序大家都比较了解，是先将基因组DNA 片断化，然后克隆到质粒载体上，再转化大肠杆菌。对于每个测序反应，挑出单克隆，并纯化质粒DNA。每个循环测序反应产生以ddNTP 终止的，荧光标记的产物梯度，在测序仪的96或384 毛细管中进行高分辨率的电泳分离。当不同分子量的荧光标记片断通过检测器时，四通道发射光谱就构成了测序轨迹。 在新一代测序技术中，片断化的基因组DNA 两侧连上接头，随后运用不同的步骤来产生几百万个空间固定的PCR 克隆阵列（polony）。每个克隆由单个文库片段的多个拷贝组成。之后进行引物杂交和酶延伸反应。由于所有的克隆都是系在同一平面上，这些反应就能够大规模平行进行。同样地，每个延伸所掺入的荧光标记的成像检测也能同时进行，来获取测序数据。酶拷问和成像的持续反复构成了相邻的测序阅读片段。

Solexa高通量测序原理 --采用大规模并行合成测序法(SBS,Sequencing-By-Synthesis)和可逆性末端终结技术（ReversibleTerminatorChemistry） --可减少因二级结构造成的一段区域的缺失。 --具有高精确度、高通量、高灵敏度和低成本等突出优势 --可以同时完成传统基因组学研究（测序和注释）以及功能基因组学（基因表达及调控，基因功能，蛋白/核酸相互作用）研究 ----将接头连接到片段上，经PCR扩增后制成Library。 ----随后在含有接头（单链引物）的芯片（flowcell）上将已加入接头的DNA片段变成单链后通过与单链引物互补配对绑定在芯片上，另一端和附近的另外一个引物互补也被固定，形成“桥” ----经30伦扩增反应，形成单克隆DNA簇 ----边合成边测序（Sequencing By Synthesis）的原理，加入改造过的DNA 聚合酶和带有4 种荧光标记的dNTP。这些dNTP是“可逆终止子”，其3’羟基末端带有可化学切割的基团，使得每个循环只能掺入单个碱基。此时，用激光扫描反应板表面，读取每条模板序列第一轮反应所聚合上去的核苷酸种类。之后，将这些基团化学切割，恢复3'端粘性，继续聚合第二个核苷酸。如此继续下去，直到每条模板序列都完全被聚合为双链。这样，统计每轮收集到的荧光信号结果，就可以得知每个模板DNA 片段的序列。目前的配对末端读长可达到2×50 bp，更长的读长也能实现，但错误率会增高。读长会受到多个引起信号衰减的因素所影响，如荧光标记的不完全切割。 Roche 454 测序技术 “一个片段= 一个磁珠= 一条读长（One fragment =One bead = One read）”

RNA-Seq 测序数据分析服务流程 (试运行)

北京大学生科院/CLS生物信息平台 RNA-Seq测序数据分析服务流程 （试运行） 2015.3 平台联系人：李程（lch3000@https://www.sodocs.net/doc/1d14255109.html,） 文档撰写：张超

Table of Contents 1. 测序质量评估 (3) 1.1 测序数据过滤 (3) 1.2 质量值分布 (3) 1.3 GC含量分布 (4) 2. 参考序列比对 (4) 3. 基因表达水平 (6) 3.1 基因表达水平定量 (6) 3.2 基因表达水平分步 (6) 3.3 生物学重复相关性分析 (6) 3.4 样本间层次聚类及PCA分析 (7) 4. 差异基因分析 (7) 4.1 基因表达标准化 (7) 4.2 差异基因列表 (8) 4.3 差异基因可视化 (8) 4.4 差异基因聚类 (9) 5. 差异表达基因功能分析 (10) 5.1 GO富集分析 (10) 5.2 信号通路富集分析 (10) 5.3 癌基因功能注释 (11) 6.基因结构差异分析 (11) 6.1 可变剪切分析 (11) 7. SNP分析 (12) 7.1 SNP检测 (12) 7.2 SNP 筛选 (12) 7.3 GO/KEGG富集 (12)

1. 测序质量评估 通过测序的数据进行进行质控，保证数据质量适合下游分析。这里我们使用fastqc和RNA-SeQC来对数据进行质量评定。 1.1 测序数据过滤 测序得到的原始下机数据往往有许多问题，不能直接使用，通常会经过以下过滤，尽量保证测序数据的质量。 a.去除带测序接头的测序序列（reads）； b.去除低质量的reads 1.2 质量值分布 按照现有的测序技术（illumina平台）单碱基的错误率应控制在1%以下,即质量值在20以上。 横坐标为reads的碱基位置，纵坐标为单碱基质量值 质量值与错误率的关系：Q =-10log10(e)；其中Q phred为测序碱基质量值，e为测 phred 序错误率。

测序技术的发展历程

测序技术的发展历程 随着1953年沃森和克里克发现了DNA的双螺旋结构，到2001年，首个人类基因组图谱的绘制完成，人们越来越多的认识到测序在生物医学中的重要作用。 测序技术的发展历史 Sanger测序技术 1975年由桑格和考尔森开创的链终止法测序技术标志着人类第一代DNA测序技术的诞生。1977年，人类历史上第一个基因组序列噬菌体X174由桑格团队测序完成。自此，人类获得了窥探生命遗传差异本质的能力，并以此为开端步入基因组学时代。 SangerJ.D. Waston、F.Crick

虽然第一代测序技术的测序读长可达1000bp，准确性高达99.999%，但其测序成本高，通量低等方面的缺点，严重影响了其真正大规模的应用。因而第一代测序技术并不是最理想的测序方法。从那时起人们开始了二代测序技术的探索。 第二代测序技术 第二代测序技术的核心思想是边合成边测序（Sequencing by Synthesis)，在Sanger等测序方法的基础上，通过技术创新，用不同颜色的荧光标记四种不同的dNTP，当DNA聚合酶合成互补链时，每添加一种dNTP就会释放出不同的荧光，根据捕捉的荧光信号并经过特定的计算机软件处理，从而获得待测DNA的序列信息。 现有的技术平台主要包括Roche/454 FLX（已宣布停产）、Illumina Hiseq Miseq等系列和Applied Biosystems SOLID system。 Roche/454 FLX Illumina Hiseq 2500 AB SOLID 第三代测序技术 第二代测序技术虽然较Sanger测序有了巨大的突破，但是其测序的理论基础仍然建立在PCR扩增的基础之上。为了有效的避免测序过程中由于PCR扩增带来的偏差，科学家们积极投身到第三代单分子测序仪研究当中。目前最具代表性的包括Heliscope单分子实时合成测序法，纳米孔测序技术等。