全基因组重测序数据分析详细说明.pdf

word格式-可编辑-感谢下载支持

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denovo的somatic和germline突变，结构变异-SNV，包括重排突变（deletioin,

duplication以及copynumbervariation）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、TotalMappingReads、UniquelyMappingReads统计，测序深度分析。

2．一致性序列组装：与参考基因组序列（Referencegenomesequence）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shortInDel。

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．StructureVariation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。

高级数据分析

word格式-可编辑-感谢下载支持

1.测序短序列匹配（ReadMapping）

（1）屏蔽掉Y染色体上假体染色体区域（pseudo-autosomalregion）,将Read与参考序列NCBI36

进行匹配（包括所有染色体，未定位的contig，以及线粒体序列mtDNA（将用校正的剑桥参考序列做替

代）)。采用标准序列匹配处理对原始序列文件进行基因组匹配，将Read与参考基因组进行初始匹配；

给出匹配的平均质量得分分布；

（2）碱基质量得分的校准。我们采用碱基质量校准算法对每个Read中每个碱基的质量进行评分，并校

准一些显著性误差，包括来自测序循环和双核苷酸结构导致的误差。

（3）测序误差率估计。pseudoautosomalcontigs，shortrepeatregions（包括segmentalduplication，

simplerepeatsequence-通过tandemrepeat识别算法识别）将被过滤；

2.SNPCalling计算（SNPCalling）

我们可以采用整合多种SNP探测算法的结果，综合地，更准确地识别出SNP。通过对多种算法各自识

别的SNP进行一致性分析，保留具有高度一致性的SNP作为最终SNP结果。这些具有高度一致性的

SNP同时具有非常高的可信度。在分析中使用到的SNP识别算法包括基于贝叶斯和基因型似然值计算

的方法，以及使用连锁不平衡LD或推断技术用于优化SNP识别检出的准确性。

统计SNV的等位基因频率在全基因组上的分布

稀有等位基因数目在不同类别的SNV中的比率分布（a）；SNV的类别主要考虑：（1）无义（nonsens