【国自然】基于新一代测序的生物信息学理论与方法(2).docxVIP

项目名称： 依据新一代测序的生物信息学理论与办法 首席科学家： 张学工 清华大学 起止年限： 2012.1-2016.8 依托部分： 教育部 中国科学院 一、要害科学问题及研讨内容 解读生物细胞杂乱的信息调控体系是了解各种杂乱生命现象机理的要害。新一代测序技能为咱们供给了从多个视点观测这个杂乱调控体系的或许，但要从数量巨大、类型杂乱的测序数据中开掘出规则性的常识、并经过整合这些常识构成对体系的全体知道，需求处理一系列生物信息学理论与办法问题。 本项目拟结合基因组、表观基因组、转录组、调控组、宏基因组等各个生物层面上的运用，从数据产生的源头、数据处理的各个环节和对杂乱生物机理的解析等方面下手，体系研讨新一代测序相关的一系列生物信息学问题。这些问题包含：怎样树立各种新一代测序数据产生和差错的数学模型？能否经过对数据模型和后续运用的研讨辅导测序的试验规划和技能改善？怎样经过算法、软件、硬件和体系的战略有用应对超海量测序数据带来的存储、传输与核算问题？怎么经过信号处理、方式辨认等手法精确有用地从ChIP-seq、bisulfite-seq、3C、RNA-seq、CLIP-seq等类型的测序数据中提取各种有用信号？怎样树立比较各种信号的核算模型？怎样经过高分辩率基因组和表观基因组数据辨认各种调控元件、构建调控体系？怎么经过对RNA测序数据的处理精密发起转录组、精确构建编码和非编码基因的转录谱和剪接加工方式？怎么在没有参阅序列的情况下非监督地拼装和辨认宏基因组和宏转录组中的有用功用单位、从而对微生物群落的功用进行描写？怎么对细胞分解和癌症产生打开等杂乱生物进程动态地构建调控网络、解读这些进程中的调控程序？怎样将不同层次、不同规范上的组学数据进行整合？怎么定量描绘杂乱生物网络的功用、定量研讨生物网络全体特性与疾病等表型的相关？在新一代测序数据下，怎样才能更有用地打开集体遗传学研讨？选用混合样本测序战略进行全基因组相关研讨的核算学性质是怎样的？怎样经过高分辩率的功用元件谱树立杂乱疾病遗传学要素的功用通路？等等。 这些问题是紧密联络的，归纳起来，可以总结为两类科学问题，咱们称之为新一代测序数据的核算问题和推理问题。所谓核算问题，首要包含经过对数据模型的知道改善数据处理质量，经过对算法、软件、存储和核算机体系结构、服务方式等的研讨前进数据处理功率和才能等；所谓推理问题，则是指经过对生物问题和测序数据特征两方面的深化研讨，关于多种类型的新一代测序数据，提出和打开有用提取生物学信息的理论和办法，提出和打开整合多种组学数据的理论和办法，提出和打开定量描绘杂乱生物网络、体系及动态演化的理论与办法，并将这些理论与办法运用到细胞分解、癌症产生打开等杂乱生物进程调控体系的解析和建模上，取得新的生物学知道。换句话说，这儿的核算问题便是怎样改善和前进超大规模测序数据的处理办法和处理才能，推理问题便是怎样从杂乱的测序数据中获取常识和规则。对这两类问题的研讨相得益彰，构成了咱们拟研讨的新一代生物信息学理论与办法。 环绕这些要害科学问题，依照新一代测序数据产生、处理、解析、运用的首要环节，本项目拟打开的首要研讨内容可归纳为10项，别离针对上述两方面的科学问题、按十个主见研讨内容打开研讨： 超大规模测序数据的处理办法与处理才能（1）对新一代测序数据产生模型和特征的数学描绘，以及在此根底上的新一代测序试验规划理论与办法。深化了解数据产生进程中或许影响数据质量的各个要素，树立数据产生的数学模型，是更好地处理和运用新一代测序数据的根底。新一代测序的打开首要是由测序技能本身的打开推进的，尚缺少从终究运用视点对不同测序技能中各个影响要素的体系研讨。咱们将在本项目中对包含Illumina/Solexa、Roche/454、AB/SOLiD和国产AG-100/200测序体系在内的多种测序途径进行试验规划、差错剖析、质量评价和途径比较的研讨，也包含对将来第三代测序途径的相应研讨，打开新一代测序技能的差错剖析和质量操控理论，树立数据散布和测序差错的数学模型，规划具有容错和差错纠正才能的数据处理办法，为后续处理算法供给数据模型辅导，也经过对测序差错和质量操控的研讨为测序技能本身的打开供给反应。另一方面，针对测序试验中可以选用的生物条码（barcoding）技能和SOLiD等技能选用的碱基组合编码测序战略，研讨在测序技能和试验规划中的编码理论，打开针对不同类型运用的优化试验规划战略和办法。（2）高效的新一代测序数据根本处理算法和作业流，以及跨途径测序数据的统合剖析。不同类型测序技能的数据有各自的特征，但一起特征是数据量大、数据处理进程杂乱、对核算资源要求高，这些特征，约束了生物学和医学试验室对测序数据的运用，也构成了将来个别化基因组打开的一个瓶颈。咱们将对各种测序数据的典型处理算法进行优化