測序常用名詞解釋整理

1、測序常用名詞解釋整理高通量測序領域常用名詞解釋大全物種基因組大小發(fā)表時間擬南芥fArabidopsis thalianas125Mb2000.11水蜃0口2。sativa）400Mb2002.4楊樹(Populus bichoccnpa)48(IMb2006.9匍萄(Vitis vtnifeia)490Mb2007.9小立碗 W (Pin 'scomrre/la pa tens)48(JMb2008.1番木瓜fe”® papaya)370Mb20084高粱(Soi'glnm bicolor)730Mb20094七米孑刁制mays）2300Mb2009.11黃瓜(Cum

2、mber)350M2009J1max)*1100Mb2010J一穗短柄草(Brachypodiim distachyoii)355Mb2010.2什么是高通量測序？高通量測序技術（High-throughput seque ncing , HTS）是對傳統(tǒng)San ger測序（稱為一代測序技術）革命性的改變，一次對幾十萬到幾百萬條核酸分子進行序列測 定,因此在有些文獻中稱其為下一代測序技術 （next gen eration seque ncing，NGS 足見其劃時代的改變，同時高通量測序使得對一個物種的轉錄組和基因組進行 細致全貌的分析成為可能,所以又被稱為深度測序（Deep sequenc

3、ing）。什么是Sanger法測序（一代測序）San ger法測序利用一種DNA聚合酶來延伸結合在待定序列模板上的引物。直到 摻入一種鏈終止核苷酸為止。每一次序列測定由一套四個單獨的反應構成，每 個反應含有所有四種脫氧核苷酸三磷酸（dNTP），并混入限量的一種不同的雙脫 氧核苷三磷酸（ddNTP）。由于ddNTP缺乏延伸所需要的3-OH基團，使延長的寡 聚核苷酸選擇性地在 G A、T或C處終止。終止點由反應中相應的雙脫氧而定。每一種dNTPs和ddNTPs的相對濃度可以調整，使反應得到一組長幾百至幾千堿基的鏈終止產(chǎn)物。它們具有共同的起始點，但終止在不同的的核苷酸上，可通 過高分辨率變性凝膠電泳

4、分離大小不同的片段，凝膠處理后可用X-光膠片放射自顯影或非同位素標記進行檢測。什么是基因組重測序(Genome Re-sequencing)全基因組重測序是對基因組序列已知的個體進行基因組測序，并在個體或群體 水平上進行差異性分析的方法。隨著基因組測序成本的不斷降低，人類疾病的 致病突變研究由外顯子區(qū)域擴大到全基因組范圍。通過構建不同長度的插入片 段文庫和短序列、雙末端測序相結合的策略進行高通量測序，實現(xiàn)在全基因組 水平上檢測疾病關聯(lián)的常見、低頻、甚至是罕見的突變位點，以及結構變異等, 具有重大的科研和產(chǎn)業(yè)價值。什么是de novo測序Genomic DNA打碎成固宦氏度片段測序儀J序列測定第

5、二代測序技術組裝程序 Q 序列組裝SOAPdenovo軟件AssembH gEnomede novo測序也稱為從頭測序：其不需要任何現(xiàn)有的序列資料就可以對某個物種進行測序，利用生物信息學分析手段對序列進行拼接，組裝，從而獲得該物種 的基因組圖譜。獲得一個物種的全基因組序列是加快對此物種了解的重要捷徑。隨著新一代測序技術的飛速發(fā)展，基因組測序所需的成本和時間較傳統(tǒng)技術都 大大降低，大規(guī)?；蚪M測序漸入佳境，基因組學研究也迎來新的發(fā)展契機和 革命性突破。利用新一代高通量、高效率測序技術以及強大的生物信息分析能 力，可以高效、低成本地測定并分析所有生物的基因組序列。測序名詞關系圖ScaffoldCo

6、ntig 1匚antig 21x* FragmentR?ad known iequente) Roughly known length but not known sequence什么是fragmentsfragments就是打成的片段，而測序測的就是這些fragments ,測出來的結果就 是reads，又可以分為單端側和雙端側，單端測序的話，只是從 fragments的一 端測序，測多長read就多長，雙端測序就是從一個fragments的兩端測，就會 得出兩個reads什么是Reads高通量測序平臺產(chǎn)生的序列就稱為 reads。（測序讀到的堿基序列片段，測序的最小單位；）什么是Conti

7、g拼接軟件基于reads之間的overlap區(qū)，拼接獲得的序列稱為Con tig （重疊群）。（由reads通過對overlap區(qū)域拼接組裝成的沒有gap的序列段；）什么是Contig N50Reads拼接后會獲得一些不同長度的 Co ntigs。將所有的Con tig長度相加，能 獲得一個Con tig總長度。然后將所有的Con tigs按照從長到短進行排序，如獲得 Con tig 1 ，Contig 2 ，Con tig 3Contig 25。將Contig按照這個順序依次相加，當相加的長度達到Contig總長度的一半時，最后一個加上的Contig長度即為 Contig N50 舉例：Co

8、ntig 1+Contig 2+ Contig 3 +Contig 4=Contig 總長度*1/2時，Contig 4的長度即為Con tig N50。 Co ntig N50可以作為基因 組拼接的結果好壞的一個判斷標準。什么是Scaffold基因組de novo測序（沒有參考基因組的測序，需要研究人員從頭拼接得到的 序列），通過reads拼接獲得Con tigs后，往往還需要構建 454 Paired-e nd庫 或 lllumina Mate-pair庫，以獲得一定大小片段（如3Kb、6Kb 10Kb 20Kb）兩端的序列。基于這些序列，可以確定一些 Con tig之間的順序關系，這些先

9、后 順序已知的Contigs組成Scaffold。（通過pair e nds 信息確定出的con tig 排列，中間有gap）什么是 Scaffold N50Scaffold N50 與Co ntig N50的定義類似。Con tigs拼接組裝獲得一些不同長度 的Scaffolds。將所有的Scaffold長度相加，能獲得一個 Scaffold總長度。然 后將所有的Scaffolds按照從長到短進行排序，如獲得Scaffold 1, Scaffold 2, Scaffold 3.Scaffold 25。將Scaffold 按照這個順序依次相加，當相加的長度達到Scaffold總長度的一半時，最

10、后一個加上的Scaffold長度即為Scaffold N50。舉例：Scaffold 1+Scaffold 2+ Scaffold 3 +Scaffold 4 +Scaffold 5=Scaffold 總長度 *1/2 時，Scaffold 5的長度即為 Scaffold N50Scaffold N50可以作為基因組拼接的結果好壞的一個判斷標準。什么是測序深度和覆蓋度測序深度：是指測序得到的總堿基數(shù)與待測基因組大小的比值。假設一個基因 大小為2M測序深度為10X,那么獲得的總數(shù)據(jù)量為20M 覆蓋度：是指測序獲得的序列占整個基因組的比例。Gap由于基因組中的高GC重復序列等復雜結構的存在，測序最

11、終拼接組裝獲 得的序列往往無法覆蓋有所的區(qū)域，這部分沒有獲得的區(qū)域就稱為。例如一個 細菌基因組測序，覆蓋度是 98%那么還有2%勺序列區(qū)域是沒有通過測序獲得 的。什么是RPKM FPKMRPKM,ReadPer Kilobase of ex on model per Millio n mappedreads, is defi ned in thisway Mortazavi etal., 2008:每1百萬個map上的reads中map到外顯子的每1K個堿基上的reads個數(shù)。假如有1百萬個reads映射到了人的基因組上，那么具體到每個外顯子呢，有多少映射上了呢，而外顯子的長度不一，那么每1K

12、個堿基上又有多少reads映射上了呢，這大概就是這個 RPKM勺直觀解釋。RKPM (exon) = 10f * exon tag couni I (totalag_count * exon siz«)RPKM (gena) = 109 - gene_tag_count / itotal_tag_count * canonicai_transcript_size)Mortsiiivi &T a/，.2D(M hmgre Method's如果對應特定基因的話，那么就是每1000000 mapped到該基因上的reads中每kb有多少是 map ped到該基因上的exo

13、n的readTotal exon reads:This is the nu mber in the colu mn with header Totalexon reads in the row for the gene. This is the nu mber of reads thathavebeenmappedto a region in which an exon is annotated for the gene or across thebo un daries of two exons or an intron and an exon for an anno tated tran

14、script ofthe gene. For eukaryotes, exons and their internalrelatio nships are defi ned bya nno tati ons of type mRNA.映射至 U外顯子上總的reads個數(shù)。這個是映射到某個區(qū)域上的reads個數(shù)，這個區(qū)域或者是已知注釋的基因或者跨兩個外顯子的邊界或者是某個基因已經(jīng)注釋的轉錄本的內含 子、外顯子。對于真核生物來說，外顯子和它們自己內部的關系由某類型的 mRNA來注釋。Exonlength: This is the number in the column with the head

15、er Exon length in 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 in this sum, eve n if it is prese nt in more anno tated tran scripts for the gene.Partly overlapping exons will count with their f

16、ulllength,eve n though theyshare the same region.夕卜顯子的長度。計算時，計算所有某個基因已注釋的所有外顯子長度的總和。即使某個基因以多種注釋的轉錄本 呈現(xiàn)，這個外顯子在求和時只被包含一次。即使部分重疊的外顯子共享相同的區(qū)域，重疊的外顯子以其總長來計算。Mapped reads: The sum of all the nu mbers in the colu mn with headerTotalgene reads. The Total gene reads for a gene is the total number ofreads that

17、 after mapp ing have bee n mapped to the regi on of the gene.Thus this in cludes all the reads uniq uely mappedto the regi on of the genas 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 gene's regi on. A ge

18、n e's regi on is that comprised of the flanking regi on s(if it was specified in figure 18.110), the exons, the introns an dacross exon-exon boundaries of all transcriptsannotated for the gene. Thus,thesum of the total gene reads nu mbers is the nu mber of mapped reads for thesample (you can fin

19、d the number in the RNA-Seq report).map的 reads總和。映射到某個基因上的所有reads總數(shù)。因此這包含所有的唯一映射到這 個區(qū)域上的 reads。舉例：比如對應到該基因的read有1000個，總reads個數(shù)有100萬，而該基 因的外顯子總長為 5kb，那么它的RPKM: 10A9*1000(reads個數(shù))/10A6(總 reads 個數(shù))*5000(外顯子長度)=200 或者:1000(reads 個數(shù))/1(百萬)*5(K)=200 這個值反映基因的表達水平。FPKM(fragments per kilobase of exon per mil

20、lion fragments mapped). FPKI 與RPKM+算方法基本一致。不同點就是FPKM計算的是fragments，而RPKM計算的是reads。 Fragment比read的含義更廣，因此 FPKM包含的意義也更廣， 可以是 pair-end 的一個fragment，也可以是一個 read。什么是 soft-clipped reads當基因組發(fā)生某一段的缺失，或轉錄組的剪接，在測序過程中，橫跨缺失位點 及剪接位點的reads回帖到基因組時，一條reads被切成兩段，匹配到不同的 區(qū)域，這樣的reads叫做soft-clipped reads ，這些reads對于鑒定染色體結

21、構變異及外源序列整合具有重要作用 什么是 multi-hits reads由于大部分測序得到的reads較短，一個reads能夠匹配到基因組多個位置， 無法區(qū)分其真實來源的位置。一些工具根據(jù)統(tǒng)計模型，如將這類reads分配給reads較多的區(qū)域。什么是外顯子測序( whole exon sequencing)外顯子組測序是指利用序列捕獲技術將全基因組外顯子區(qū)域DNAS捉并富集后進行高通量測序的基因組分析方法。外顯子測序相對于基因組重測序成本較低, 對研究已知基因的SNR In del等具有較大的優(yōu)勢，但無法研究基因組結構變異如染色體斷裂重組等。什么是 mRNAM序（RNA-seq）轉錄組學(t

22、ranscriptomics)是在基因組學后新興的一門學科，即研究特定細 胞在某一功能狀態(tài)下所能轉錄出來的所有 RNA(包括mRNA和非編碼RNA的類型與拷貝數(shù)。川umina提供的mRNAM序技術可在整個mRNA領域進行各種相關poly-A 尾的 RNA研究和新的發(fā)現(xiàn)。mRNAffl序不對引物或探針進行設計，可自由提供關于轉錄的 客觀和權威信息。研究人員僅需要一次試驗即可快速生成完整的 完整序列信息，并分析基因表達、cSNP全新的轉錄、全新異構體、剪接位點、 等位基因特異性表達和罕見轉錄等最全面的轉錄組信息。簡單的樣品制備和數(shù) 據(jù)分析軟件支持在所有物種中的 mRNAffl序研究。什么是smal

23、l RNA測序Small RNA(micro RNAs、siRNAs和pi RNAs )是生命活動重要的調控因子，在 基因表達調控、生物個體發(fā)育、代謝及疾病的發(fā)生等生理過程中起著重要的作 用。lllumina 能夠對細胞或者組織中的全部 Small RNA進行深度測序及定量分析等研究。實驗時首先將18-30 nt范圍的Small RNA從總RNA中分離出來，兩端分別加上特定接頭后體外反轉錄做成 cDNA再做進一步處理后，利用測序儀對DNA片段進行單向末端直接測序。通過 川umina對Small RNA大規(guī)模測序分析,可以從中獲得物種全基因組水平的 miRNAffl譜，實現(xiàn)包括新miRNA分子的

24、挖掘,其作用靶基因的預測和鑒定、樣品間差異表達分析、miRNAs聚類和表達譜分析等科學應用。什么是miRNA測序 成熟的microRNA(miRNA是1724nt的單鏈非編碼 RNA分子，通過與 mRNA目互作用影響目標mRNA勺穩(wěn)定性及翻譯，最終誘導基因沉默，調控著基因表達、 細胞生長、發(fā)育等生物學過程?；诘诙鷾y序技術的microRNA測序，可以一次性獲得數(shù)百萬條microRNA序列，能夠快速鑒定出不同組織、不同發(fā)育階段、 不同疾病狀態(tài)下已知和未知的 microRNA及其表達差異，為研究 microRNA對細 胞進程的作用及其生物學影響提供了有力工具。什么是Chip-seq染色質免疫共沉

25、淀技術(Chromatinlmmunoprecipitation ，ChIP)也稱結合位 點分析法，是研究體內蛋白質與 DNA目互作用的有力工具，通常用于轉錄因子 結合位點或組蛋白特異性修飾位點的研究。將ChIP與第二代測序技術相結合的ChIP-Seq技術，能夠高效地在全基因組范圍內檢測與組蛋白、轉錄因子等互作 的DNA區(qū)段。ChIP-Seq的原理是：首先通過染色質免疫共沉淀技術(ChIP)特異性地富集目 的蛋白結合的DNA片段，并對其進行純化與文庫構建；然后對富集得到的DNA片段進行高通量測序。研究人員通過將獲得的數(shù)百萬條序列標簽精確定位到基 因組上，從而獲得全基因組范圍內與組蛋白、轉錄因子

26、等互作的DNA區(qū)段信息。什么是CHIRP-SeqCHIRP-Seq( Chromatin Isolation by RNA Purification )是一種檢測與 RNA綁定的DNA和蛋白的高通量測序方法。方法是通過設計生物素或鏈霉親和素探 針，把目標RNA拉下來以后，與其共同作用的 DNA染色體片段就會附在到磁珠 上，最后把染色體片段做高通量測序，這樣會得到該RNA能夠結合到在基因組的哪些區(qū)域，但由于蛋白測序技術不夠成熟，無法知道與該RNA吉合的蛋白。什么是RIP-seqRNAmmunoprecipitation 是研究細胞內RNA與蛋白結合情況的技術，是了解轉 錄后調控網(wǎng)絡動態(tài)過程的有力

27、工具，能幫助我們發(fā)現(xiàn) miRNA的調節(jié)靶點。這種 技術運用針對目標蛋白的抗體把相應的 RNA蛋白復合物沉淀下來，然后經(jīng)過分 離純化就可以對結合在復合物上的 RNA®行測序分析。RIP可以看成是普遍使用的染色質免疫沉淀 ChIP技術的類似應用，但由于研究 對象是RNA蛋白復合物而不是DNA蛋白復合物，RIP實驗的優(yōu)化條件與ChIP實驗不太相同（如復合物不需要固定，RIP反應體系中的試劑和抗體絕對不能含有 RNA酶，抗體需經(jīng)RIP實驗驗證等等）。RIP技術下游結合microarray技術被 稱為RIP-Chip，幫助我們更高通量地了解癌癥以及其它疾病整體水平的RNA變化。什么是CLIP-

28、seqCLIP-seq,又稱為HITS-CLIP，即紫外交聯(lián)免疫沉淀結合高通量測序（crossli nkin g-im mun precipitatio n and high-throughput seque ncin g）,是一項在全基因組水平揭示 RNA分子與RNA結合蛋白相互作用的革命性技術。其 主要原理是基于RNA分子與RNA結合蛋白在紫外照射下發(fā)生耦聯(lián)，以RNA結合蛋白的特異性抗體將RNA蛋白質復合體沉淀之后，回收其中的RNA片段，經(jīng)添加接頭、RT-PCF等步驟，對這些分子進行高通量測序，再經(jīng)生物信息學的分析 和處理、總結，挖掘出其特定規(guī)律，從而深入揭示RNA吉合蛋白與RNA分子的調

29、控作用及其對生命的意義。什么是metagenomic （宏基因組）：Mage nomics研究的對象是整個微生物群落。相對于傳統(tǒng)單個細菌研究來說，它 具有眾多優(yōu)勢，其中很重要的兩點：（1）微生物通常是以群落方式共生于某一 小生境中，它們的很多特性是基于整個群落環(huán)境及個體間的相互影響的，因此 做Metagenomics研究比做單個個體的研究更能發(fā)現(xiàn)其特性；（2） Metagenomics研究無需分離單個細菌，可以研究那些不能被實驗室分離培養(yǎng)的微生物。宏基因組是基因組學一個新興的科學研究方向。宏基因組學（又稱元基因組學， 環(huán)境基因組學，生態(tài)基因組學等），是研究直接從環(huán)境樣本中提取的基因組遺 傳物質

30、的學科。傳統(tǒng)的微生物研究依賴于實驗室培養(yǎng)，宏基因組的興起填補了 無法在傳統(tǒng)實驗室中培養(yǎng)的微生物研究的空白。過去幾年中，DNA測序技術的進步以及測序通量和分析方法的改進使得人們得以一窺這一未知的基因組科學領 域。什么是SNP、SNV （單核苷酸位點變異）單核苷酸多態(tài)性singlenucleotide polymorphism，SNP或單核苷酸位點變異SNV個體間基因組DNA序列同一位置單個核苷酸變異（替代、插入或缺失）所引 起的多態(tài)性。不同物種、個體基因組 DNA序列同一位置上的單個核苷酸存在差別的現(xiàn)象。有這種差別的基因座、DNA序列等可作為基因組作圖的標志。人基因 組上平均約每1000個核苷酸

31、即可能出現(xiàn)1個單核苷酸多態(tài)性的變化，其中有些 單核苷酸多態(tài)性可能與疾病有關，但可能大多數(shù)與疾病無關。單核苷酸多態(tài)性 是研究人類家族和動植物品系遺傳變異的重要依據(jù)。在研究癌癥基因組變異時， 相對于正常組織，癌癥中特異的單核苷酸變異是一種體細胞突變（somaticmutation ），稱做 SNV 什么是INDEL （基因組小片段插入） 基因組上小片段（50bp）的插入或缺失，形同SNP/SNV什么是copy number variation （CNV）:基因組拷貝數(shù)變異基因組拷貝數(shù)變異是基因組變異的一種形式，通常使基因組中大片段的DNA形成非正常的拷貝數(shù)量。例如人類正常染色體拷貝數(shù)是 2,有些染

32、色體區(qū)域拷貝數(shù) 變成1或3,這樣，該區(qū)域發(fā)生拷貝數(shù)缺失或增加，位于該區(qū)域內的基因表達量 也會受到影響。如果把一條染色體分成 A-B-C-D四個區(qū)域，則A-B-C-C-D/A-C-B-C-D/A-C-C-B-C-D/A-B-D 分別發(fā)生了 C區(qū)域的擴增及缺失，擴 增的位置可以是連續(xù)擴增如 A-B-C-C-D也可以是在其他位置的擴增，如A-C-B-C-D。什么是structure variation（SV）:基因組結構變異染色體結構變異是指在染色體上發(fā)生了大片段的變異。主要包括染色體大片段 的插入和缺失（引起CNV勺變化），染色體內部的某塊區(qū)域發(fā)生翻轉顛換，兩 條染色體之間發(fā)生重組（inter-c

33、hromosome trans-location）等。一般 SV的展示利用Circos軟件。什么是 Segment duplication一般稱為SD區(qū)域，串聯(lián)重復是由序列相近的一些DNA片段串聯(lián)組成。串聯(lián)重復在人類基因多樣性的靈長類基因中發(fā)揮重要作用。在人類染色體丫和22號染色體上，有很大的SD序列。什么是 geno type and phe no type既基因型與表型；一般指某些單核苷酸位點變異與表現(xiàn)形式間的關系。 什么是轉錄本重構用測序的數(shù)據(jù)組裝成轉錄本。有兩種組裝方式：1, de-novo構建；2，有參考基因組重構。其中de-novo組裝是指在不依賴參考基因組的情況下，將有overl

34、ap的reads連接成一個更長的序列，經(jīng)過不斷的延伸，拼成一個個的con tig及scaffold。常用工具包括 velvet ，trans-ABYSS，Trinity 等。有參考基因組重 構，是指先將read貼回到基因組上，然后在基因組通過reads覆蓋度，junction 位點的信息等得到轉錄本，常用工具包括 scripture 、cufflinks 。什么是 genefusion將基因組位置不同的兩個基因中的一部分或全部整合到一起，形成新的基因， 稱作融合基因，或嵌合體基因。該基因有可能翻譯出融合或嵌合體蛋白。什么是表達譜基因表達譜(geneexpression profile):指通過

35、構建處于某一特定狀態(tài)下的細胞或組織的非偏性cDNA文庫,大規(guī)模cDNA測序，收集cDNA序列片段、定性、定 量分析其mRN鮮體組成，從而描繪該特定細胞或組織在特定狀態(tài)下的基因表達 種類和豐度信息，這樣編制成的數(shù)據(jù)表就稱為基因表達譜什么是功能基因組學功能基因組學(Functuionalgenomics )又往往被稱為后基因組學(Postgenomics )，它利用結構基因組所提供的信息和產(chǎn)物，發(fā)展和應用新的 實驗手段，通過在基因組或系統(tǒng)水平上全面分析基因的功能，使得生物學研究 從對單一基因或蛋白質得研究轉向多個基因或蛋白質同時進行系統(tǒng)的研究。這 是在基因組靜態(tài)的堿基序列弄清楚之后轉入對基因組動態(tài)

36、的生物學功能學研 究。研究內容包括基因功能發(fā)現(xiàn)、基因表達分析及突變檢測。基因的功能包括： 生物學功能，如作為蛋白質激酶對特異蛋白質進行磷酸化修飾；細胞學功能， 如參與細胞間和細胞內信號傳遞途徑；發(fā)育上功能，如參與形態(tài)建成等。采用 的手段包括經(jīng)典的減法雜交，差示篩選，cDNA代表差異分析以及mRNAi異顯示 等，但這些技術不能對基因進行全面系統(tǒng)的分析，新的技術應運而生，包括基 因表達的系統(tǒng)分析(serial analysis of gene expression,SAGE) ， cDNA微陣列(cDNAmicroarray ) ，DNA芯片(DNAchip )和序列標志片段顯示(sequenee tagged fragme ntsdisplay 。什么是比較基因組學比較基因組學(ComparativeGenomics)是基于基因組圖譜和測序基礎上，對已知 的基因和基因組結構進行比較，來了解基因的功能、表達機理和物種進化的學 科。禾U用模式生物基因組與人類基因組之間編碼順序上和結構上的同源性，克 隆人類