《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、高通量测序领域常用名词解释大全高通量测序领域常用名词解释大全什么是高通量测序?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)。什么是什么是 SangerSanger 法测序(一代
2、测序)法测序(一代测序)Sanger 法测序利用一种 DNA 聚合酶来延伸结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,可通过高分辨率变性凝胶电泳分
3、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记进行检测。什么是基因组重测序(什么是基因组重测序(Genome Re-sequencingGenome 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。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、
4、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。什么是什么是 de novode novo 测序测序dede novonovo 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,从而获得该物种进行测序,利用生物信息学分析手段对序列进行拼接,组装,从而获得该物种的基因组图谱。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
5、,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。测序名词关系图测序名词关系图什么是什么是 fragmentsfragmentsfragments 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 就多长,双端测序就是从一个 fragments 的两端测,就会得出两个 reads什么是什么是 ReadsReads高通量测序平台产生的序列就称为 reads。(测序
6、读到的碱基序列片段,测序的最小单位;)什么是什么是 ContigContig拼接软件基于 reads 之间的 overlap 区, 拼接获得的序列称为 Contig (重叠群重叠群) 。(由 reads 通过对 overlap 区域拼接组装成的没有没有 gapgap 的序列段;)什么是什么是 Contig N50Contig 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,如获得Contig 1,Contig 2,Contig 3.Contig 25。将 Co
7、ntig 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。什么是什么是 ScaffoldScaffold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 拼接获得 Contigs 后,往往还需要构建 454 Paired-end 库或I
8、llumina 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 contigcontig 排列,中间有排列,中间有 gapgap)什么是什么是 Scaffold N50Scaffold 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 Scaffold 总长
9、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 +Scaffold5=Scaffold 总长度*1/2 时, Scaffold 5 的长度即为 Scaffold N50。 Scaffold N50可以作为基因组拼接的结果
10、好坏的一个判断标准。什么是测序深度和覆盖度什么是测序深度和覆盖度测序深度测序深度: 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。覆盖度覆盖度:是指测序获得的序列占整个基因组的比例。GapGap: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。什么是什么是 RPKMRPKM、FPKMFPKMRPKM,Reads Per Kilobase of exon
11、model per Million mapped reads, is definedin thisway Mortazavi etal., 2008:每每 1 1 百万个百万个 mapmap 上的上的 readsreads 中中 mapmap 到外显子的每到外显子的每 1K1K 个碱基上的个碱基上的 readsreads 个数。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,那么就是每如果对应特定基因的话,
12、那么就是每 1000000 mapped1000000 mapped 到该基因上的到该基因上的 readsreads 中每中每kbkb 有多少是有多少是 mappedmapped 到该基因上的到该基因上的 exonexon 的的 readreadTotal exon reads:This is the number in the column with header Totalexonreads in the row for the gene. This is the number of reads that havebeenmapped to a region in which an exo
13、n is annotated for the gene or acrosstheboundaries of two exons or an intron and an exon for an annotatedtranscript ofthe gene. For eukaryotes, exons and their internalrelationships 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
14、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 thenumber in thecolumn with theheader Exon lengthinthe row for the gene, divided by 1000. This is calculated as the sumof thelengths of all exonsannotated for the gene. Each exonis includedonly once inthis sum, even if it is prese
15、nt in more annotated transcriptsfor the overlapping exons will count with their full length, even thoughtheyshare 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 headerTota
16、lgene reads. The Total gene reads for a gene is the total numberofreads that after mapping have been mapped to the region of the gene.Thus thisincludes all the reads uniquely mapped to the region of the geneas well asthose of the reads which match in more places (below the limitset in thedialog in f
17、igure that have been allocated tothis genes region.A genes region is that comprised of the flanking regions(if it wasspecified in figure , the exons, the introns andacross exon-exonboundaries of all transcripts annotated for the gene. Thus,the sum of thetotal gene reads numbers is the number of mapp
18、ed reads for thesample (youcan 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 reads个数)*5000(外显子长度)=200 或者:1000(reads 个数)/1(百万)*5(K)=200 这个这个值反映基因的
19、表达水平。值反映基因的表达水平。FPKM(fragments per kilobase of exon per million fragments mapped). FPKM与 RPKM 计算方法基本一致。不同点就是 FPKMFPKM 计算的是计算的是 fragmentsfragments,而,而 RPKMRPKM 计计算的是算的是 readsreads。FragmentFragment 比比 readread 的含义更广,因此的含义更广,因此 FPKMFPKM 包含的意义也更广,包含的意义也更广,可以是可以是 pair-endpair-end 的一个的一个 fragmentfragment,
20、也可以是一个,也可以是一个 readread。什么是什么是 soft-clipped readssoft-clipped reads当基因组发生某一段的缺失,或转录组的剪接,在测序过程中,横跨缺失位点当基因组发生某一段的缺失,或转录组的剪接,在测序过程中,横跨缺失位点及剪接位点的及剪接位点的 readsreads 回帖到基因组时,一条回帖到基因组时,一条 readsreads 被切成两段,匹配到不同的被切成两段,匹配到不同的区域,这样的区域,这样的 readsreads 叫做叫做 soft-clipped readssoft-clipped reads,这些,这些 readsreads 对于鉴
21、定染色体结对于鉴定染色体结构变异及外源序列整合具有重要作用。构变异及外源序列整合具有重要作用。什么是什么是 multi-hits readsmulti-hits reads由于大部分测序得到的由于大部分测序得到的 readsreads 较短,一个较短,一个 readsreads 能够匹配到基因组多个位置,能够匹配到基因组多个位置,无法区分其真实来源的位置。一些工具根据统计模型,如将这类无法区分其真实来源的位置。一些工具根据统计模型,如将这类 readsreads 分配给分配给readsreads 较多的区域。较多的区域。什么是外显子测序(什么是外显子测序(whole exon sequenci
22、ngwhole exon sequencing)外显子组测序是指利用序列捕获技术将全基因组外显子区域外显子组测序是指利用序列捕获技术将全基因组外显子区域 DNADNA 捕捉并富集后捕捉并富集后进行高通量测序的基因组分析方法。外显子测序相对于基因组重测序成本较低,进行高通量测序的基因组分析方法。外显子测序相对于基因组重测序成本较低,对研究已知基因的对研究已知基因的 SNPSNP、IndelIndel 等具有较大的优势,但无法研究基因组结构变异等具有较大的优势,但无法研究基因组结构变异如染色体断裂重组等。如染色体断裂重组等。什么是什么是 mRNAmRNA 测序测序 (RNA-seqRNA-seq)
23、转录组学(转录组学(transcriptomicstranscriptomics)是在基因组学后新兴的一门学科,即研究特定细研究特定细胞在某一功能状态下所能转录出来的所有胞在某一功能状态下所能转录出来的所有 RNARNA(包括(包括 mRNAmRNA 和非编码和非编码 RNARNA)的类)的类型与拷贝数。型与拷贝数。Illumina 提供的 mRNA 测序技术可在整个 mRNA 领域进行各种相关研究和新的发现。mRNA 测序不对引物或探针进行设计,可自由提供关于转录的客观和权威信息。 研究人员仅需要一次试验即可快速生成完整的 poly-A 尾的 RNA完整序列信息,并分析基因表达、分析基因表达
24、、cSNPcSNP、全新的转录、全新异构体、剪接位点、全新的转录、全新异构体、剪接位点、等位基因特异性表达和罕见转录等最全面的转录组信息。等位基因特异性表达和罕见转录等最全面的转录组信息。 简单的样品制备和数据分析软件支持在所有物种中的 mRNA 测序研究。什么是什么是 small RNAsmall RNA 测序测序Small RNA(micro RNAs、siRNAs 和 pi RNAs)是生命活动重要的调控因子,在基因表达调控、 生物个体发育、 代谢及疾病的发生等生理过程中起着重要的作用。Illumina 能够对细胞或者组织中的全部 Small RNA 进行深度测序及定量分析等研究。实验时
25、首先将首先将 18-30 nt18-30 nt 范围的范围的 Small RNASmall RNA 从总从总 RNARNA 中分离出来,两端分中分离出来,两端分别加上特定接头后体外反转录做成别加上特定接头后体外反转录做成 cDNAcDNA 再做进一步处理后,利用测序仪对再做进一步处理后,利用测序仪对 DNADNA片段进行单向末端直接测序。片段进行单向末端直接测序。通过 Illumina 对 Small RNA 大规模测序分析,可以从中获得物种全基因组水平的 miRNA 图谱, 实现包括新新 miRNAmiRNA 分子的挖掘,分子的挖掘, 其其作用靶基因的预测和鉴定、样品间差异表达分析、作用靶基
26、因的预测和鉴定、样品间差异表达分析、miRNAsmiRNAs 聚类和表达谱分析等聚类和表达谱分析等科学应用。科学应用。什么是什么是 miRNAmiRNA 测序测序成熟的成熟的 microRNAmicroRNA(miRNAmiRNA)是)是 1724nt1724nt 的单链非编码的单链非编码 RNARNA 分子,通过与分子,通过与 mRNAmRNA 相相互作用影响目标互作用影响目标 mRNAmRNA 的稳定性及翻译,最终诱导基因沉默,调控着基因表达、的稳定性及翻译,最终诱导基因沉默,调控着基因表达、细胞生长、发育等生物学过程。细胞生长、发育等生物学过程。基于第二代测序技术的 microRNA 测
27、序,可以一次性获得数百万条 microRNA 序列,能够快速鉴定出不同组织、不同发育阶段、不同疾病状态下已知和未知的 microRNA 及其表达差异, 为研究 microRNA 对细胞进程的作用及其生物学影响提供了有力工具。什么是什么是 Chip-seqChip-seq染色质免疫共沉淀技术(染色质免疫共沉淀技术(ChromatinImmunoprecipitationChromatinImmunoprecipitation,ChIPChIP)也称结合位)也称结合位点分析法,是研究体内蛋白质与点分析法,是研究体内蛋白质与 DNADNA 相互作用的有力工具,通常用于转录因子相互作用的有力工具,通常
28、用于转录因子结合位点或组蛋白特异性修饰位点的研究。将结合位点或组蛋白特异性修饰位点的研究。将 ChIPChIP 与第二代测序技术相结合的与第二代测序技术相结合的ChIP-SeqChIP-Seq 技术,能够高效地在全基因组范围内检测与组蛋白、转录因子等互作技术,能够高效地在全基因组范围内检测与组蛋白、转录因子等互作的的 DNADNA 区段。区段。C ChIP-SeqhIP-Seq 的原理是:首先通过染色质免疫共沉淀技术(的原理是:首先通过染色质免疫共沉淀技术(ChIPChIP)特异性地富集目)特异性地富集目的蛋白结合的的蛋白结合的 DNADNA 片段,并对其进行纯化与文库构建;然后对富集得到的片
29、段,并对其进行纯化与文库构建;然后对富集得到的 DNADNA片段进行高通量测序。研究人员通过将获得的数百万条序列标签精确定位到基片段进行高通量测序。研究人员通过将获得的数百万条序列标签精确定位到基因组上,从而获得全基因组范围内与组蛋白、转录因子等互作的因组上,从而获得全基因组范围内与组蛋白、转录因子等互作的 DNADNA 区段信息。区段信息。什么是什么是 CHIRP-SeqCHIRP-SeqC CHIRP-Seq( Chromatin Isolation by RNA Purification )HIRP-Seq( Chromatin Isolation by RNA Purification
30、 ) 是一种检测与是一种检测与 RNARNA绑定的绑定的 DNADNA 和蛋白的高通量测序方法。方法是通过设计生物素或链霉亲和素探和蛋白的高通量测序方法。方法是通过设计生物素或链霉亲和素探针,把目标针,把目标 RNARNA 拉下来以后,与其共同作用的拉下来以后,与其共同作用的 DNADNA 染色体片段就会附在到磁珠染色体片段就会附在到磁珠上,最后把染色体片段做高通量测序,这样会得到该上,最后把染色体片段做高通量测序,这样会得到该 RNARNA 能够结合到在基因组能够结合到在基因组的哪些区域,但由于蛋白测序技术不够成熟,无法知道与该的哪些区域,但由于蛋白测序技术不够成熟,无法知道与该 RNARN
31、A 结合的蛋白。结合的蛋白。什么是什么是 RIP-seqRIP-seqRNARNA ImmunoprecipitationImmunoprecipitation 是研究细胞内是研究细胞内 RNARNA 与蛋白结合情况的技术,是了解转与蛋白结合情况的技术,是了解转录后调控网络动态过程的有力工具,能帮助我们发现录后调控网络动态过程的有力工具,能帮助我们发现 miRNAmiRNA 的调节靶点。这种的调节靶点。这种技术运用针对目标蛋白的抗体把相应的技术运用针对目标蛋白的抗体把相应的 RNA-RNA-蛋白复合物沉淀下来,然后经过分蛋白复合物沉淀下来,然后经过分离纯化就可以对结合在复合物上的离纯化就可以对
32、结合在复合物上的 RNARNA 进行测序分析。进行测序分析。RIP 可以看成是普遍使用的染色质免疫沉淀 ChIP 技术的类似应用,但由于研究对象是对象是 RNA-RNA-蛋白复合物而不是蛋白复合物而不是 DNA-DNA-蛋白复合物,蛋白复合物, RIPRIP 实验的优化条件与实验的优化条件与 ChIPChIP 实实验不太相同验不太相同(如复合物不需要固定,(如复合物不需要固定,RIPRIP 反应体系中的试剂和抗体绝对不能含有反应体系中的试剂和抗体绝对不能含有RNARNA 酶,抗体需经酶,抗体需经 RIPRIP 实验验证等等)。实验验证等等)。RIPRIP 技术下游结合技术下游结合 microa
33、rraymicroarray 技术被技术被称为称为 RIP-ChipRIP-Chip,帮助我们更高通量地了解癌症以及其它疾病整体水平的 RNA 变化。什么是什么是 CLIP-seqCLIP-seqC CLIP-seq,LIP-seq,又称为又称为 HITS-CLIPHITS-CLIP,即紫外交联免疫沉淀结合高通量测序,即紫外交联免疫沉淀结合高通量测序(crosslinking-immunprecipitation and high-throughput sequencing),(crosslinking-immunprecipitation and high-throughput sequen
34、cing), 是是一项在全基因组水平揭示一项在全基因组水平揭示 RNARNA 分子与分子与 RNARNA 结合蛋白相互作用的革命性技术。其结合蛋白相互作用的革命性技术。其主要原理是基于主要原理是基于 RNARNA 分子与分子与 RNARNA 结合蛋白在紫外照射下发生耦联,以结合蛋白在紫外照射下发生耦联,以 RNARNA 结合结合蛋白的特异性抗体将蛋白的特异性抗体将 RNA-RNA-蛋白质复合体沉淀之后,回收其中的蛋白质复合体沉淀之后,回收其中的 RNARNA 片段,经添片段,经添加接头、加接头、RT-PCRRT-PCR 等步骤,对这些分子进行高通量测序,再经生物信息学的分析等步骤,对这些分子进
35、行高通量测序,再经生物信息学的分析和处理、总结,挖掘出其特定规律,从而深入揭示和处理、总结,挖掘出其特定规律,从而深入揭示 RNARNA 结合蛋白与结合蛋白与 RNARNA 分子的分子的调控作用及其对生命的意义。调控作用及其对生命的意义。什么是什么是 metagenomicmetagenomic(宏基因组):(宏基因组):MagenomicsMagenomics 研究的对象是整个微生物群落。相对于传统单个细菌研究来说,它研究的对象是整个微生物群落。相对于传统单个细菌研究来说,它具有众多优势,其中很重要的两点:具有众多优势,其中很重要的两点:(1)(1) 微生物通常是以群落方式共生于某一微生物通
36、常是以群落方式共生于某一小生境中,它们的很多特性是基于整个群落环境及个体间的相互影响的,因此小生境中,它们的很多特性是基于整个群落环境及个体间的相互影响的,因此做做 MetagenomicsMetagenomics 研究比做单个个体的研究更能发现其特性;研究比做单个个体的研究更能发现其特性;(2) Metagenomics(2) Metagenomics研究无需分离单个细菌,可以研究那些不能被实验室分离培养的微生物。研究无需分离单个细菌,可以研究那些不能被实验室分离培养的微生物。宏基因组是基因组学一个新兴的科学研究方向。宏基因组学(又称元基因组学,宏基因组学(又称元基因组学,环境基因组学,生态
37、基因组学等),是研究直接从环境样本中提取的基因组遗环境基因组学,生态基因组学等),是研究直接从环境样本中提取的基因组遗传物质的学科。传物质的学科。传统的微生物研究依赖于实验室培养, 宏基因组的兴起填补了无宏基因组的兴起填补了无法在传统实验室中培养的微生物研究的空白。法在传统实验室中培养的微生物研究的空白。过去几年中,DNA 测序技术的进步以及测序通量和分析方法的改进使得人们得以一窥这一未知的基因组科学领域。什么是什么是 SNPSNP、SNVSNV(单核苷酸位点变异)(单核苷酸位点变异)单核苷酸多态性单核苷酸多态性 singlenucleotide polymorphismsinglenucle
38、otide polymorphism,SNPSNP 或单核苷酸位点变异或单核苷酸位点变异SNVSNV。个体间基因组。个体间基因组 DNADNA 序列同一位置单个核苷酸变异序列同一位置单个核苷酸变异( (替代、插入或缺失替代、插入或缺失) )所引所引起的多态性。不同物种、个体基因组起的多态性。不同物种、个体基因组 DNADNA 序列同一位置上的单个核苷酸存在差序列同一位置上的单个核苷酸存在差别的现象。有这种差别的基因座、别的现象。有这种差别的基因座、DNADNA 序列等可作为基因组作图的标志。序列等可作为基因组作图的标志。人基因组上平均约每 1000 个核苷酸即可能出现 1 个单核苷酸多态性的变
39、化,其中有些单核苷酸多态性可能与疾病有关, 但可能大多数与疾病无关。 单核苷酸多态性是单核苷酸多态性是研究人类家族和动植物品系遗传变异的重要依据。在研究癌症基因组变异时,研究人类家族和动植物品系遗传变异的重要依据。在研究癌症基因组变异时,相对于正常组织,癌症中特异的单核苷酸变异是一种体细胞突变(相对于正常组织,癌症中特异的单核苷酸变异是一种体细胞突变(somaticsomaticmutationmutation),称做),称做 SNVSNV。什么是什么是 INDEL (INDEL (基因组小片段插入)基因组小片段插入)基因组上小片段(基因组上小片段(50bp50bp)的插入或缺失,形同)的插入
40、或缺失,形同 SNP/SNVSNP/SNV。什么是什么是 copy number variationcopy number variation (CNVCNV):基因组拷贝数变异):基因组拷贝数变异基因组拷贝数变异是基因组变异的一种形式,通常使基因组中大片段的基因组拷贝数变异是基因组变异的一种形式,通常使基因组中大片段的 DNADNA 形形成非正常的拷贝数量。成非正常的拷贝数量。例如人类正常染色体拷贝数是 2,有些染色体区域拷贝数变成 1 或 3,这样,该区域发生拷贝数缺失或增加,位于该区域内的基因表达量也会受到影响。如果把一条染色体分成 A-B-C-D 四个区域,则A-B-C-C-D/A-C
41、-B-C-D/A-C-C-B-C-D/A-B-D 分别发生了 C 区域的扩增及缺失,扩增的位置可以是连续扩增如 A-B-C-C-D 也可以是在其他位置的扩增,如A-C-B-C-D。什么是什么是 structure variationstructure variation (SVSV):基因组结构变异):基因组结构变异染色体结构变异是指在染色体上发生了大片段的变异。主要包括染色体大片段染色体结构变异是指在染色体上发生了大片段的变异。主要包括染色体大片段的插入和缺失(引起的插入和缺失(引起 CNVCNV 的变化),染色体内部的某块区域发生翻转颠换,两的变化),染色体内部的某块区域发生翻转颠换,两条
42、染色体之间发生重组(条染色体之间发生重组(inter-chromosome trans-locationinter-chromosome trans-location)等。一般)等。一般 SVSV 的的展示利用展示利用 CircosCircos 软件。软件。什么是什么是 Segment duplicationSegment duplication一般称为一般称为 SDSD 区域,串联重复是由序列相近的一些区域,串联重复是由序列相近的一些 DNADNA 片段串联组成。片段串联组成。串联重复在人类基因多样性的灵长类基因中发挥重要作用。在人类染色体 Y 和 22 号染色体上,有很大的 SD 序列。什
43、么是什么是 genotype and phenotypegenotype and phenotype既基因型与表型;一般指某些单核苷酸位点变异与表现形式间的关系。既基因型与表型;一般指某些单核苷酸位点变异与表现形式间的关系。什么是转录本重构什么是转录本重构用测序的数据组装成转录本。有两种组装方式:用测序的数据组装成转录本。有两种组装方式:1 1,de-novode-novo 构建;构建; 2 2,有参考,有参考基因组重构。基因组重构。 其中其中de-novode-novo组装是指在不依赖参考基因组的情况下,组装是指在不依赖参考基因组的情况下, 将有将有overlapoverlap的的 read
44、sreads 连接成一个更长的序列,经过不断的延伸,拼成一个个的连接成一个更长的序列,经过不断的延伸,拼成一个个的 contigcontig 及及scaffoldscaffold。常用工具包括。常用工具包括 velvetvelvet,trans-ABYSStrans-ABYSS,TrinityTrinity 等。有参考基因组重等。有参考基因组重构,构, 是指先将是指先将 readread 贴回到基因组上,贴回到基因组上, 然后在基因组通过然后在基因组通过 readsreads 覆盖度,覆盖度, junctionjunction位点的信息等得到转录本,常用工具包括位点的信息等得到转录本,常用工具
45、包括 scripturescripture、cufflinkscufflinks。什么是什么是 genefusiongenefusion将基因组位置不同的两个基因中的一部分或全部整合到一起,形成新的基因,将基因组位置不同的两个基因中的一部分或全部整合到一起,形成新的基因,称作融合基因,或嵌合体基因。该基因有可能翻译出融合或嵌合体蛋白。称作融合基因,或嵌合体基因。该基因有可能翻译出融合或嵌合体蛋白。什么是表达谱什么是表达谱基因表达谱基因表达谱(geneexpression profile)(geneexpression profile):指通过构建处于某一特定状态下的细:指通过构建处于某一特定状
46、态下的细胞或组织的非偏性胞或组织的非偏性 cDNAcDNA 文库文库, ,大规模大规模 cDNAcDNA 测序测序, ,收集收集 cDNAcDNA 序列片段、定性、定序列片段、定性、定量分析其量分析其 mRNAmRNA 群体组成群体组成, ,从而描绘该特定细胞或组织在特定状态下的基因表达从而描绘该特定细胞或组织在特定状态下的基因表达种类和丰度信息种类和丰度信息, ,这样编制成的数据表就称为基因表达谱这样编制成的数据表就称为基因表达谱什么是功能基因组学什么是功能基因组学功能基因组学(功能基因组学(FunctuionalgenomicsFunctuionalgenomics)又往往被称为后基因组学
47、)又往往被称为后基因组学(PostgenomicsPostgenomics),它利用结构基因组所提供的信息和产物,发展和应用新的),它利用结构基因组所提供的信息和产物,发展和应用新的实验手段,通过在基因组或系统水平上全面分析基因的功能,使得生物学研究实验手段,通过在基因组或系统水平上全面分析基因的功能,使得生物学研究从对单一基因或蛋白质得研究转向多个基因或蛋白质同时进行系统的研究。这从对单一基因或蛋白质得研究转向多个基因或蛋白质同时进行系统的研究。这是在基因组静态的碱基序列弄清楚之后转入对基因组动态的生物学功能学研是在基因组静态的碱基序列弄清楚之后转入对基因组动态的生物学功能学研究。研究内容包
48、括基因功能发现、基因表达分析及突变检测。基因的功能包括:究。研究内容包括基因功能发现、基因表达分析及突变检测。基因的功能包括:生物学功能,如作为蛋白质激酶对特异蛋白质进行磷酸化修饰;细胞学功能,生物学功能,如作为蛋白质激酶对特异蛋白质进行磷酸化修饰;细胞学功能,如参与细胞间和细胞内信号传递途径;发育上功能,如参与形态建成等。采用如参与细胞间和细胞内信号传递途径;发育上功能,如参与形态建成等。采用的手段包括经典的减法杂交,的手段包括经典的减法杂交,差示筛选,差示筛选,cDNAcDNA 代表差异分析以及代表差异分析以及 mRNAmRNA 差异显示差异显示等,但这些技术不能对基因进行全面系统的分析,
49、新的技术应运而生,包括基等,但这些技术不能对基因进行全面系统的分析,新的技术应运而生,包括基因表达的系统分析(因表达的系统分析(serial analysis of gene expression,SAGEserial analysis of gene expression,SAGE ),),cDNAcDNA 微阵微阵列(列(cDNAcDNA microarraymicroarray),),DNADNA 芯片(芯片(DNADNA chipchip)和序列标志片段显示()和序列标志片段显示(sequencesequencetagged fragmentsdisplaytagged fragmen
50、tsdisplay。什么是比较基因组学什么是比较基因组学比较基因组学比较基因组学(ComparativeGenomics)(ComparativeGenomics)是基于基因组图谱和测序基础上,对已知是基于基因组图谱和测序基础上,对已知的基因和基因组结构进行比较,来了解基因的功能、表达机理和物种进化的学的基因和基因组结构进行比较,来了解基因的功能、表达机理和物种进化的学科。科。利用模式生物基因组与人类基因组之间编码顺序上和结构上的同源性, 克隆人类疾病基因,揭示基因功能和疾病分子机制,阐明物种进化关系,及基因组的内在结构。什么是表观遗传学什么是表观遗传学表观遗传学是研究基因的核苷酸序列不发生改
51、变的情况下,基因表达了可遗传表观遗传学是研究基因的核苷酸序列不发生改变的情况下,基因表达了可遗传的变化的一门遗传学分支学科。表观遗传的现象很多,已知的有的变化的一门遗传学分支学科。表观遗传的现象很多,已知的有 DNADNA 甲基化甲基化(DNAmethylationDNAmethylation),基因组印记(),基因组印记(genomicimpritinggenomicimpriting),母体效应),母体效应(maternaleffectsmaternaleffects),基因沉默(),基因沉默(genesilencinggenesilencing),核仁显性,休眠转座子),核仁显性,休眠转
52、座子激活和激活和 RNARNA 编辑(编辑(RNA editingRNA editing)等。)等。什么是计算生物学什么是计算生物学计算生物学是指开发和应用数据分析及理论的方法、数学建模、计算机仿真技计算生物学是指开发和应用数据分析及理论的方法、数学建模、计算机仿真技术等。术等。当前,生物学数据量和复杂性不断增长,每 14 个月基因研究产生的数据就会翻一番,单单依靠观察和实验已难以应付。因此,必须依靠大规模计算模拟必须依靠大规模计算模拟技术,从海量信息中提取最有用的数据。技术,从海量信息中提取最有用的数据。什么是基因组印记什么是基因组印记基因组印记基因组印记( (又称遗传印记又称遗传印记) )
53、是指基因根据亲代的不同而有不同的表达。印记基是指基因根据亲代的不同而有不同的表达。印记基因的存在能导致细胞中两个等位基因的一个表达而另一个不表达。因的存在能导致细胞中两个等位基因的一个表达而另一个不表达。基因组印记是一正常过程, 此现象在一些低等动物和植物中已发现多年。印记的基因只占人类基因组中的少数,可能不超过 5%,但在胎儿的生长和行为发育中起着至关重要的作用。基因组印记病主要表现为过度生长、生长迟缓、智力障碍、行为异基因组印记病主要表现为过度生长、生长迟缓、智力障碍、行为异常。目前在肿瘤的研究中认为印记缺失是引起肿瘤最常见的遗传学因素之一。常。目前在肿瘤的研究中认为印记缺失是引起肿瘤最常
54、见的遗传学因素之一。什么是基因组学什么是基因组学基因组学(英文基因组学(英文 genomicsgenomics),研究生物基因组和如何利用基因的一门学问。用),研究生物基因组和如何利用基因的一门学问。用于概括涉及基因作图、测序和整个基因组功能分析的遗传学分支。于概括涉及基因作图、测序和整个基因组功能分析的遗传学分支。该学科提供基因组信息以及相关数据系统利用,试图解决生物,医学,和工业领域的重大问题。什么是什么是 DNADNA 甲基化甲基化DNADNA 甲基化是指在甲基化是指在 DNADNA 甲基化转移酶的作用下,甲基化转移酶的作用下, 在基因组在基因组 CpGCpG 二核苷酸的胞嘧啶二核苷酸的
55、胞嘧啶55碳位共价键结合一个甲基基团。碳位共价键结合一个甲基基团。正常情况下,正常情况下,人类基因组“垃圾”序列的人类基因组“垃圾”序列的 CpGCpG二核苷酸相对稀少,并且总是处于甲基化状态,与之相反,人类基因组中大小二核苷酸相对稀少,并且总是处于甲基化状态,与之相反,人类基因组中大小为为 1001001000 bp1000 bp 左右且富含左右且富含 CpGCpG 二核苷酸的二核苷酸的 CpGCpG 岛则总是处于未甲基化状态,岛则总是处于未甲基化状态,并且与并且与 5656的人类基因组编码基因相关。的人类基因组编码基因相关。人类基因组序列草图分析结果表明,人类基因组 CpG 岛约为 288
56、90 个,大部分染色体每 1 Mb 就有 515 个 CpG 岛,平均值为每 Mb 含 105 个 CpG 岛,CpG 岛的数目与基因密度有良好的对应关系9。由于 DNA 甲基化与人类发育和肿瘤疾病的密切关系,特别是 CpG 岛甲基化所致抑癌基因转录失活问题,DNA 甲基化已经成为表观遗传学和表观基因组学的重要研究内容。什么是基因组注释什么是基因组注释基因组注释基因组注释(Genomeannotation)(Genomeannotation) 是利用生物信息学方法和工具是利用生物信息学方法和工具, ,对基因组所有对基因组所有基因的生物学功能进行高通量注释基因的生物学功能进行高通量注释,是当前功能基因组学研究的一个热点。基因基因组注释的研究内容包括基因识别和基因功能注释两个方面。基因识别的核心是组注释的研究内容包括基因识别和基因功能注释两个方面。基因识别的核心是确定全基因组序列中所有基因的确切位置。确定全基因组序列中所有基因的确切位置。