基因组序列组装理论与方法简介.pptxVIP

两种测序策略分级鸟枪法(BAC TO BAC)基因组DNA切成大片段 构建BAC文库挑选 构建小片段shotgun文库 测序组装BAC序列 组装基因组序列全基因组鸟枪法 基因组DNA构建不同长度shotgun文库 测序 组装基因组序列基因组测序与组装示意图基于BAC方法的 优缺点优点：组装被局限在BAC的范围内，受重复序列影响小，对计算能力要求不高；缺点：需要大量前期生物学研究工作，效率低，成本高。全基因组鸟枪法优缺点优点：不需要生物学前期准备，速度快，成本低；缺点：组装是在全基因组范围内进行，数据量大，易产生错拼；对计算机软硬件要求均高。对拼接软件的要求能充分利用正反向测序的配对信息, 避免重复序列造成的错误拼接能处理数以百万甚至千万计的数据 程序并行化 高效率比对 能够采用全基因组鸟枪法的关键技术进步： 毛细管测序仪的普遍使用 计算机能力的迅速提高Hierarchical Shotgun (HS) … the sequencing of the human genome is likely to be the only large sequencing project carried to completion by the methods described in this issue. Maynard V. Olson , The maps: Clone by clone by clone , Nature 409, 816 - 818 (2001) Whole Genome Shotgun (WGS)SingleStrandedRegionLow Base QualitySequenceGap Shotgun法序列拼接ConsensusMis-Assembly(Inverted)术语鸟枪法测序数据的组装鸟枪法文库：目标基因组一定长度随机片段克隆的集合。正反向测序对： 从同一个克隆片段两端分别测序所得到的一对序列。.插入片段长度： 克隆载体中插入的外源DNA片段长度。片段连接群(contig)：用识别互相重叠的方法对测序数据进行拼接的结果。.Scaffold: 用正反向测序对连接的非重叠片段连接群。 LW-洞：由于没有测序数据覆盖而在组装结果中留下的洞。重复序列分析覆盖度： 基因组被测序数据覆盖的次数。重复数： 一段DNA序列在基因组中出现的次数。深度：一段DNA序列在鸟枪法测序数据集中出现次数。例如一个转座子在基因组中出现N次，测序数据集的覆盖度为C, 则这个转座子的平均深度为N?C。20-mer 重复序列：任何深度超过为该数据集确定的重复序列标准的20-bpDNA片段。是数学定义的重复序列。重复序列洞： 由于屏蔽重复序列而在组装结果中留下的洞。组装结果的评价标准N50 大小： 把组装出的contigs 或 scaffolds从大到小排列，当其累计长度刚刚超过全部组装序列总长度一半时，最后一个contig或scaffold的大小。单碱基错误率： 与参考序列比较后发现的小尺度上的不同所占的比例。所谓小尺度，在这里通常指小于标准测序长度，即500bp。实际上常常只是几个碱基。错误组装的Contig： 测序数据组装中出现的错误。由定义，它涉及的片段一般大于500-bp。包括与参考序列相比，插入、删除，以及在方向和次序上不同的片段。错误组装的Scaffold：把非重叠contig连接在一起时出现的错误。包括嵌套，错误的方向和顺序等。genome sequence of size G, with 4 repeatsshotgun library constructionO(G2) pair-wise comparisonR = 3 segments w/ repeat-terminationone Euler Path solution“overlap-layout-consensus” algorithm exploresR! = exponential number of possible solutionsShotgun Sequencing Assembler ConceptsRePS: 全基因组鸟枪法测序数据组装软件包特点：通过屏蔽在鸟枪法测序数据中发现的重复序列来完成组装。RePS的流程图RePS2的新流程图识别重复序列的数学模型重复序列识别：若repeat有m个拷贝，且已知随机序列覆盖深度为0，1，2……的概率：g0 ， g1 ， g2 ，……，则一次抽样repeat覆盖深度为0，1，2，……的概率P0， P1， P2，……为：n次抽样，其中i次以上深度在j以上的概率Pij设一次抽样深度在j以上和以下的概率分别为：Pj－，Pj+；n次抽样，其中i次以上深度在j