基于二代測(cè)序數(shù)據(jù)的SNP發(fā)現(xiàn)策略及其初步應(yīng)用.pdf

1、近期二代測(cè)序在生物醫(yī)學(xué)、基因組學(xué)、轉(zhuǎn)錄組學(xué)、系統(tǒng)生物學(xué)等多個(gè)學(xué)科得到廣泛應(yīng)用，推動(dòng)了諸如疾病基因定位、作物遺傳育種、表觀遺傳等研究從單一基因到全基因組范圍的研究尺度。目前二代測(cè)序一方面提供了快速、低廉的大規(guī)模并行DNA測(cè)序手段，也因其產(chǎn)生的海量數(shù)據(jù)給數(shù)據(jù)分析帶來了很大的挑戰(zhàn)。本文從二代測(cè)序基本原理出發(fā)，結(jié)合多態(tài)性分析處理的重點(diǎn)，難點(diǎn)，利用一套切實(shí)可行的處理流程成功應(yīng)用在酵母全基因組中以及得到了較好的結(jié)果;另外系統(tǒng)的評(píng)價(jià)了Ion Torr

2、ent測(cè)序質(zhì)量及其初步改善和討論。
　　 針對(duì)基因組已知的大腸桿菌Ion Torrent重測(cè)序數(shù)據(jù)，經(jīng)統(tǒng)計(jì)分析知其錯(cuò)誤概率隨著同聚核苷酸長(zhǎng)度的增加而有明顯增加的趨勢(shì)，并且存在測(cè)序堿基和參考序列互換的情況。在去除同聚核苷酸長(zhǎng)度大于2和Swap型的Mismatch形成的錯(cuò)誤后統(tǒng)計(jì)得Insertion，Deletion，Mismatch的錯(cuò)誤率分別為0.13％，0.12％，0.05％，錯(cuò)誤率均為原來的一半左右，無錯(cuò)誤的序列比例從48.

3、30％上升為67.90％。而去除的堿基比例僅占?jí)A基數(shù)量的1.13％，由此可見，去除數(shù)量較少的高錯(cuò)誤率的測(cè)序堿基可顯著提高其整體的測(cè)序準(zhǔn)確率。因此，Ion Torrent儀器讀取信息時(shí)的相位錯(cuò)誤，測(cè)序錯(cuò)誤在同聚物邊緣發(fā)生的概率比其他位置高，過濾后的Mismatch的Q值明顯低于準(zhǔn)確情況下的值等分析結(jié)果和趨勢(shì)均可有助于達(dá)到進(jìn)一步改善其測(cè)序質(zhì)量的目的。
　　 將22種酵母菌454焦磷酸測(cè)序數(shù)據(jù)（測(cè)序深度平均約18x）經(jīng)過序列比對(duì)、堿基

4、質(zhì)量校準(zhǔn)、區(qū)域重比對(duì)、SNP calling和基因分型以及結(jié)果篩查過濾（可選）步驟后，得到397382個(gè)SNP位點(diǎn)，頻率為30bp/SNP，其中轉(zhuǎn)換次數(shù)為276925，顛換次數(shù)為128467，Ti/Tv值為2.156，非常符合全基因組SNP類型比例。經(jīng)LOF分析可得，346647(87.23％)個(gè)SNP位點(diǎn)處于外顯子區(qū)域，42911個(gè)位點(diǎn)處于內(nèi)含子區(qū)域，200個(gè)位點(diǎn)處于UTR區(qū)域;造成的非同義SNP位點(diǎn)數(shù)119537個(gè)。所有的SNP位點(diǎn)