《测序常用名词解释整理》由会员分享，可在线阅读，更多相关《测序常用名词解释整理（13页珍藏版）》请在金锄头文库上搜索。
1、 1 / 13高通量测序领域常用名词解释大全什么是高通量测序？高通量测序技术（High-throughput sequencing，HTS）是对传统 Sanger 测序（称为一代测序技术）革命性的改变, 一次对几十万到几百万条核酸分子进行序列测定, 因此在有些文献中称其为下一代测序技术(next generation sequencing， NGS )足见其划时代的改变 , 同时高通量测序使得对一个物种的转录组和基因组进行细致全貌的分析成为可能, 所以又被称为深度测序(Deep sequencing)。什么是 Sanger 法测序（一代测序）Sanger 法测序利用一种 DNA 聚合酶来延伸结
2、合在待定序列模板上的引物。直到掺入一种链终止核苷酸为止。每一次序列测定由一套四个单独的反应构成，每个反应含有所有四种脱氧核苷酸三磷酸(dNTP)，并混入限量的一种不同的双脱氧核苷三磷酸(ddNTP)。由于 ddNTP 缺乏延伸所需要的 3-OH 基团，使延长的寡聚核苷酸选择性地在 G、A、T 或 C 处终止。终止点由反应中相应的双脱氧而定。每一种 dNTPs 和 ddNTPs 的相对浓度可以调整，使反应得到一组长几百至几千碱基的链终止产物。它们具有共同的起始点，但终止在不同的的核苷酸上，可通 2 / 13过高分辨率变性凝胶电泳分离大小不同的片段，凝胶处理后可用 X-光胶片放射自显影或非同位素标
3、记进行检测。什么是基因组重测序（Genome Re-sequencing）全基因组重测序是对基因组序列已知的个体进行基因组测序，并在个体或群体水平上进行差异性分析的方法。随着基因组测序成本的不断降低，人类疾病的致病突变研究由外显子区域扩大到全基因组范围。通过构建不同长度的插入片段文库和短序列、双末端测序相结合的策略进行高通量测序，实现在全基因组水平上检测疾病关联的常见、低频、甚至是罕见的突变位点，以及结构变异等，具有重大的科研和产业价值。什么是 de novo 测序de novo 测序也称为从头测序：其不需要任何现有的序列资料就可以对某个物种进行测序，利用生物信息学分析手段对序列进行拼接，组装
4、，从而获得该物种的基因组图谱。获得一个物种的全基因组序列是加快对此物种了解的重要捷径。随着新一代测序技术的飞速发展，基因组测序所需的成本和时间较传统技术都大大降低，大规模基因组测序渐入佳境，基因组学研究也迎来新的发展契机和革命性突破。利用新一代高通量、高效率测序技术以及强大的生物信息分析能力，可以高效、低成本地测定并分析所有生物的基因组序列。 3 / 13测序名词关系图什么是 fragmentsfragments 就是打成的片段，而测序测的就是这些 fragments，测出来的结果就是 reads，又可以分为单端侧和双端侧，单端测序的话，只是从 fragments的一端测序，测多长 read
5、就多长，双端测序就是从一个 fragments 的两端测，就会得出两个 reads什么是 Reads 高通量测序平台产生的序列就称为 reads。(测序读到的碱基序列片段，测序的最小单位；)什么是 Contig拼接软件基于 reads 之间的 overlap 区，拼接获得的序列称为 Contig（重叠群）。(由 reads 通过对 overlap 区域拼接组装成的没有 gap 的序列段；)什么是 Contig N50Reads 拼接后会获得一些不同长度的 Contigs。将所有的 Contig 长度相加，能获得一个 Contig 总长度。然后将所有的 Contigs 按照从长到短进行排序，如获
6、 4 / 13得 Contig 1，Contig 2，Contig 3.Contig 25。将 Contig 按照这个顺序依次相加，当相加的长度达到 Contig 总长度的一半时，最后一个加上的Contig 长度即为 Contig N50。举例：Contig 1+Contig 2+ Contig 3 +Contig 4=Contig 总长度*1/2 时，Contig 4 的长度即为 Contig N50。Contig N50 可以作为基因组拼接的结果好坏的一个判断标准。什么是 Scaffold基因组 de novo 测序（没有参考基因组的测序，需要研究人员从头拼接得到的序列），通过 reads
7、 拼接获得 Contigs 后，往往还需要构建 454 Paired-end 库或 Illumina Mate-pair 库，以获得一定大小片段（如3Kb、6Kb、10Kb、20Kb）两端的序列。基于这些序列，可以确定一些 Contig 之间的顺序关系，这些先后顺序已知的 Contigs 组成 Scaffold。(通过 pair ends 信息确定出的 contig 排列，中间有 gap)什么是 Scaffold N50Scaffold N50 与 Contig N50 的定义类似。Contigs 拼接组装获得一些不同长度的 Scaffolds。将所有的 Scaffold 长度相加，能获得一个
8、 Scaffold 总长度。然后将所有的 Scaffolds 按照从长到短进行排序，如获得 Scaffold 1，Scaffold 2，Scaffold 3.Scaffold 25。将 Scaffold 按照这个顺序依次相加，当相加的长度达到 Scaffold 总长度的一半时，最后一个加上的Scaffold 长度即为 Scaffold N50。举例：Scaffold 1+Scaffold 2+ Scaffold 3 +Scaffold 4 +Scaffold 5=Scaffold 总长度*1/2 时，Scaffold 5 的长度即为 Scaffold N50。Scaffold N50 可以作为
9、基因组拼接的结果好坏的一个判断标准。什么是测序深度和覆盖度测序深度：是指测序得到的总碱基数与待测基因组大小的比值。假设一个基因大小为 2M，测序深度为 10X，那么获得的总数据量为 20M。覆盖度：是指测序获得的序列占整个基因组的比例。Gap：由于基因组中的高 GC、重复序列等复杂结构的存在，测序最终拼接组装获得的序列往往无法覆盖有所的区域，这部分没有获得的区域就称为。例如一 5 / 13个细菌基因组测序，覆盖度是 98%，那么还有 2%的序列区域是没有通过测序获得的。什么是 RPKM、FPKMRPKM,Reads Per Kilobase of exon model per Million
10、mapped reads, is defined in thisway Mortazavi etal., 2008:每 1 百万个 map 上的 reads 中 map 到外显子的每 1K 个碱基上的 reads 个数。假如有 1 百万个 reads 映射到了人的基因组上，那么具体到每个外显子呢，有多少映射上了呢，而外显子的长度不一，那么每 1K 个碱基上又有多少 reads 映射上了呢，这大概就是这个 RPKM 的直观解释。如果对应特定基因的话，那么就是每 1000000 mapped 到该基因上的 reads 中每kb 有多少是 mapped 到该基因上的 exon 的 readTotal
11、 exon reads:This is the number in the column with header Total exonreads in the row for the gene. This is the number of reads that have beenmapped to a region in which an exon is annotated for the gene or across theboundaries of two exons or an intron and an exon for an annotated transcript ofthe ge
12、ne. For eukaryotes, exons and their internal relationships are defined byannotations of type mRNA.映射到外显子上总的 reads 个数。这个是映射到某个区域上的 reads 个数，这个区域或者是已知注释的基因或者跨两个外显子的边界或者是某个基因已经注释的转录本的内含子、外显子。对于真核生物来说，外显子和它们自己内部的关系由某类型的 mRNA 来注释。Exonlength: This is the number in the column with the header Exon length in
13、the row for the gene, divided by 1000. This is calculated as the sum of thelengths of all exons annotated for the gene. Each exon is included only once inthis sum, even if it is present in more 6 / 13annotated transcripts for the gene.Partly overlapping exons will count with their full length, even
14、though theyshare the same region.外显子的长度。计算时，计算所有某个基因已注释的所有外显子长度的总和。即使某个基因以多种注释的转录本呈现，这个外显子在求和时只被包含一次。即使部分重叠的外显子共享相同的区域，重叠的外显子以其总长来计算。Mapped reads: The sum of all the numbers in the column with header Totalgene reads. The Total gene reads for a gene is the total number ofreads that after mapping have
15、 been mapped to the region of the gene. Thus thisincludes all the reads uniquely mapped to the region of the gene as well asthose of the reads which match in more places (below the limit set in thedialog in figure 18.110) that have been allocated tothis genes region. A genes region is that comprised
16、 of the flanking regions(if it was specified in figure 18.110), the exons, the introns andacross exon-exon boundaries of all transcripts annotated for the gene. Thus,the sum of the total gene reads numbers is the number of mapped reads for thesample (you can find the number in the RNA-Seq report).map 的 reads 总和。映射到某个基因上的所有 reads总数。因此这包含所有的唯一映射到这个区域上的 reads。举例：比如对应到该基因的 read 有 1000 个，总 reads 个数有 100 万，而该基因的外显子总长为 5kb，那么它的 RPKM 为：109*1000(reads 个数)/106(总re
