中华民族全基因中单核苷酸多态性的初步分析.pdfVIP

±查苎墨—— _______-●______——-__●_____●_______’●●________———__一一 中华民族全基因坦中 簟错冀多态性的初步分析 捕 耍 目的，单核苷酸多态性，简称SNP，是广泛分布子某 一(些)群体、正常个体基因组DNA中的单碱基序列差 异，分布频率大于l％，代表了不同个体之间最大的遗传 差异。由于分布广泛，具有相当的遗传稳定性，位于基因 内部的SNP会直接影响到基因的表达水平或蛋白质的结 构，SNP研究逐渐成为生物学、遗传学等诸多领域如复杂 性疾病病因研究、药物敏感性研究甚至人类进化史研究的 主要工具。尽管国际上对SNP在方法学上的研究日渐深 入，公共数据库中SNP的数量也呈指数增长，对于人口 集中，地理、自然跨度明显的中国而言，这些数据仍无法 提供中国人群中全基因组SNP的信息。为此，本研究采 用中国人基因组DNA为材料，采用基因组序列比对的分 析方法，首次在全基因组水平构建了中华民族的SNP图 谱，对中国人SNP在基因组中的分布情况、SNP分型以 及SNP对氨基酸编码的影响进行了初步的分析。 方法t取单个汉族个体基因组DNA以及来自不同民 族、不同地区的24个个体等量混合基因组DNA分别构建 随机文库，随机挑选重组克隆，使用统一的pUCl8引物 单向测序，得到了SNP筛选所需的随机序列。由于SNP 只是基因组内单碱基序列的差异，参与分析序列的准确性 成为最重要的因素，因此，一系列严格的序列质量标准必 不可少。将测序仪产生的原始数据一吸收峰图文件一进行 中文摘要 碱基识别(base calling)，转化成碱基序列文件。去除序 列两端的载体序列后，再使用RepeatMasker软件进行重 复序列的屏蔽。挑选高质量碱基(Q20)连续大于lOObp， 非重复序列大于30bp的随机序列与已公布的人类基因组 数据库(http：／／ncbi．nil．nih．gov)进行序列比对。对于存在 序列差异的位点，采用NQS(Neighborhood Quality Standard)标准进行判定，即：差异位点的碱基质量大于 20，位点两侧各五个碱基的质量大于15，两侧10个碱基 至少有9个与数据库中的序列能够完全匹配。另外，如果 莱条随机序列中SNP的数目超过了6个，则抛弃整条序 列。统计不同文库筛选SNP的数量、效率以及类型分布。 对于如上方法得到的SNP，截取其两端序列与UCSC数据 库的染色体信息库进行比对，以绘制SNP在全基因组中 的图谱。为了了解SNP对编码基因的影响，截取SNP位 点两侧的序列与人类基因注释库进行序列的同源性比较， 以了解SNP在编码区域及非编码区域的分布情况。本研 究还进行了所筛选中国人SNP与公共数据库dbSNP之间 的比较，找到中国人与dbSNP共有的SNP以及中国人特 异性SNP。 结果I 1．通过对所测118285条随机序列的分析，得 到19109个SNP和1214个插入、缺失型序列变异，其中 1％001个位点被定位在人类染色体上，除17，12号染色 体外，其他常染色体具有相似的SNP分布密度，而这两 条染色体SNP低密度可能是由于统计或计算偏移引起， 也可能具有生物学意义，还需进一步研究。性染色体SNP 的分布密度明显偏低。2．采用单个体及24个个体混合文 ±查苎量 _________——————_--_____-____——_——————_●-●___-●●__———————’—_——————————一一 库进行SNP筛选具有不同的筛选效率，以后者的效率较 高，但两种方法得到的SNP不存在类型分布的差别。3． 筛选得到的SNP中，16，679个SNPs落在已被注释 274个SNP落在基因的外显子区域，其中185个改变了氨 基酸的编码顺序。4．筛选所得SNP与dbSNP比较后，7107 个(37．19％)是中国人与之所共有的，2,544(13131％) 个是中国人中特有SNP，中国人特异性SNP与筛选的全 部SNP分类构成比上存在着差别，以TC，TG型SNPs 的差别最为显著。 结论-1．SNP在常染色体上的分布基本均