全基因組測序(de novo和重測序)

 技術簡介

基因組測序分為de novo測序和重測序。de novo 測序即從頭測序，不需要任何參考基因組信息即可對某個物種的基因組進行測序，利用生物信息學分析方法進行拼接、組裝，獲得該物種的基因組序列圖譜，從而推進該物種的后續(xù)研究�；�因組重測序是對有參考基因組物種的不同個體進行的基因組測序，并在此基礎上對個體或群體進行差異性分析。基因組重測序主要用于輔助研究者發(fā)現(xiàn)單核苷酸多態(tài)性位點（SNPs）、拷貝數(shù)變異（CNV）、插入/缺失（Indel）等變異類型，以較低的價格將單個參考基因組信息擴增為生物群體的遺傳特征。全基因組重測序在人類疾病和動植物育種研究中廣泛應用。   

生物信息學分析

基因組從頭測序（de novo sequencing）常規(guī)分析
    1.測序數(shù)據(jù)質控分析
    2.高質量序列拼接和組裝
    3.基因結構預測及功能注釋
    4.蛋白結構域注釋
    5.基因家族分析
    6.重復序列注釋
    7.大片段復制分析
    8.ncRNA注釋
    9.生化反應通路圖（PATHWAY）映射
    10.基因本體論（GO）

   注釋高級分析：
    11.特異序列、特異功能蛋白等的預測
    12.系統(tǒng)進化分析

   個性化分析：
    13.根據(jù)客戶需求進行個性化定制分析

    基因組重測序（re-sequencing）常規(guī)分析
    1.測序數(shù)據(jù)質控分析
    2.一致性序列組裝（與參考基因組序列比對分析）
    3.單核苷酸多態(tài)性位點檢測
    4.基因拷貝數(shù)變化分析
    5.結構變異位點檢測

    高級分析：
    6.性狀的QTL定位（真核生物）
    7.群體進化分析
    8.功能基因挖掘

   個性化分析：
    9.根據(jù)客戶需求進行個性化定制分析

   案例解析 

比較基因組分析
    采用ProgressiveMauve軟件比對9株大腸桿菌O104:H4分離株的染色體序列，展示可移動遺傳元件和基因組可變區(qū)域信息，利用核心SNP位點信息構建最大似然進化樹揭示菌株間的親緣關系。

（Grad, Yonatan H., et al., 2013）

重復序列分析

采用從頭預測和基于數(shù)據(jù)庫比對的兩種方法對納塔爾大白蟻和濕木白蟻的基因組序列進行轉座子（TEs）分析，利用RepeatModeler軟件對兩種方法的結果進行整合分析并構建轉座子序列數(shù)據(jù)庫，使用RepeatClassifier軟件對轉座子進行分類，計算兩種白蟻基因組中轉座子的序列變異速率，揭示基因組擴張的可能機制。 

    代謝通路重建

根據(jù)限制性脫氯細菌（PER-K23）基因組注釋信息，預測類咕啉的生物合成包含4種代謝途徑。

    基因進化分析

利用117個單拷貝的蛋白編碼基因序列構建Mollicutes、Haloplasma和Firmicutes屬菌株的最大似然物種進化樹，揭示不同菌株基因組中mreB和fib基因的獲得與丟失。 

    

    測序策略及數(shù)據(jù)量
    測序策略：PE125或PE150

    建議數(shù)據(jù)量：根據(jù)基因組大小進行30×或50×的測序