牛全基因组高通量测序技术研究进展

现代科技迅速发展的今天,无疑是分子生物学的世界。基因组测序是对生物的遗传结构进行分析的一种技术。作为一项尤为重要的生物技术。在近几年来得到了迅猛的发展以及应用,并取得了跨越性的进展,在很多领域取得了革命性的成就。无论是在人类疾病的防治,还是在畜牧遗传育种发面都发挥着重要的作用。本综述主要介绍了第一代测序技术、第二代测序技术以及第三代测序技术的原理,并对三者的优缺点进行了比较说明,还分别阐述了全基因组高通量技术在肉牛的起源、遗传育种与优良性状的选育和奶牛的疾病防治、生产性能的提高等方面的研究进展,对当下的高通量测序技术存在的问题进行了讨论,并对其未来进行了展望。     

木本植物全基因组测序研究进展

近年来,植物全基因组测序的结果正如雨后春笋般涌现,木本植物全基因组测序也在紧锣密鼓地展开。但由于木本植物通常基因组较大,基因组结构较为复杂,在测序、测序后的组装、注释、功能分析等均存在较大的困难。在基因组测序分析的经费预算方面也存在着较大的压力。因此,有必要对这方面的研究进展及其存在问题进行分析比较,以提高林木全基因组研究方面的效率。文章在比较分析已经发展起来的3代基因测序技术(Sanger测序法、合成测序法和单分子测序法)的基础上,选择4种已经公布的木本植物(杨树、葡萄、番木瓜、苹果),从全基因组测序的研究背景、测序结果及应用的研究进展和存在问题等方面进行了述评,对未来要开展的木本植物全基因组测序前的准备工作(材料选择、遗传图谱和连锁图谱的构建、测序技术的选择),全基因组测序结果的生物信息学分析和应用进行了讨论。     

微生物全基因组测序研究进展

本文综述了近年来大规模微生物基因组核酸序列测定的最新研究进展,介绍微生物全基因组测序的基本方法、序列的收集组装,序列缺口的填补,以及序列资料的计算机分析整理。大规模基因组测序完成后,未来面临的更大挑战是在ＤＮＡ序列基础上认识微生物的完整生物学功能。为此本文也介绍了有关基因功能分析的新技术,并对微生物基因组功能分析的未来发展作了展望。     

木本植物全基因组测序研究进展

近年来, 植物全基因组测序的结果正如雨后春笋般涌现, 木本植物全基因组测序也在紧锣密鼓地展开。但由于木本植物通常基因组较大, 基因组结构较为复杂, 在测序、测序后的组装、注释、功能分析等均存在较大的困难。在基因组测序分析的经费预算方面也存在着较大的压力。因此, 有必要对这方面的研究进展及其存在问题进行分析比较, 以提高林木全基因组研究方面的效率。文章在比较分析已经发展起来的3代基因测序技术(Sanger测序法、合成测序法和单分子测序法)的基础上, 选择4种已经公布的木本植物(杨树、葡萄、番木瓜、苹果), 从全基因组测序的研究背景、测序结果及应用的研究进展和存在问题等方面进行了述评, 对未来要开展的木本植物全基因组测序前的准备工作(材料选择、遗传图谱和连锁图谱的构建、测序技术的选择), 全基因组测序结果的生物信息学分析和应用进行了讨论。     

高通量测序技术在农作物全基因组序列测定中的应用概览

近几年飞速发展的高通量测序技术(next generation sequencing,NGS)在生命科学研究的各个领域充分展现了其低成本、高通量和应用面广等优势。在现代农业生物技术领域,利用高通量测序技术,科学家们不仅能更经济而高效对农作物、模式植物或不同栽培品种进行深入的全基因组测序、重测序,也可以对成百上千的栽培品种进行高效而准确的遗传差异分析、分子标记分析、连锁图谱分析、表观遗传学分析、转录组分析,进而改进农作物的育种技术,加快新品种的育种研究。其中,获得农作物的全基因组序列是其他研究和分析的基础。本文通过介绍近年来发表的一些利用高通量测序技术进行的农作物全基因组测定和组装的工作,展示高通量测序技术在现代农业生物技术领域的广泛前景以及其建立起来的研究基础。     

基于高通量测序的全基因组关联研究策略

全基因组关联研究（Genome-wide association study, GWAS）是人类复杂疾病研究的重要组成部分之一,在群体水平检测全基因组范围的遗传变异与可观测性状间的遗传关联。传统的GWAS是以芯片（Array）技术获得高密度的遗传变异,尽管硕果累累,但也存在不少问题。如：所谓的“缺失的遗传力”,即利用关联分析检测达到全基因组水平显著的遗传变异位点只能解释小部分遗传力;在某些性状上不同研究的结果一致性较弱;显著关联的遗传变异位点的功能较难解释等。高通量测序技术,也称第二代测序（Next-generation sequencing, NGS）技术,可以快速、准确地产出高通量的变异位点数据,为解决以上问题提供了可行的方案。基于NGS技术的GWAS方法（NGS-GWAS）,可在一定程度上弥补传统GWAS的不足。文章对NGS-GWAS策略和方法进行了系统性调研,提出了目前较为可行的NGS-GWAS的实施策略和方法,并对NGS-GWAS如何应用于个体化医疗（Personalized medicine, PM）进行了展望。     

癌症基因组测序方案制定的研究进展

癌症的基因组测序对于癌症的预防、诊断、预后、治疗以及基础生物学研究都有巨大的潜在的应用价值,正是由于其方向广泛,所以基因组测序的方案制定对于实现特定的研究目标,就显得尤为重要。同时,了解了基因组测序方案制定的规则,也有助于评估如今快速增长的发表文献的正确性和重要性。主要论述高通量测序技术在癌症基因组测序中的实际应用,并讨论癌症基因组测序在方案设计和方法学上如何调整,才能更好地实现特定的研究目的。     

植物基因组测序的研究进展

近年来,随着测序技术的不断发展,基因组测序技术渐趋成熟并在动物和植物基因组上获得了越来越多的成功,大量植物的基因组的草图和精细图不断地被公布出来。比较和分析了三代测序技术各自的特点,对测序前的准备、基因组组装、注释和比较基因组学等方面的研究进展进行了详细的评述,阐明了植物基因组研究的特点和难点。通过植物的全基因组测序,研究者不仅可以获得该植物基因组和重要功能基因的序列信息,为从分子水平研究植物的分子进化、基因组成和基因调控等提供了一定的依据,而且还对即将测序的植物基因组研究具有重要的借鉴意义。     

高通量测序数据的基因组拷贝数变异检测方法综述

拷贝数变异是指基因组中发生大片段的DNA序列的拷贝数增加或者减少。根据现有的研究可知,拷贝数变异是多种人类疾病的成因,与其发生与发展机制密切相关。高通量测序技术的出现为拷贝数变异检测提供了技术支持,在人类疾病研究、临床诊疗等领域,高通量测序技术已经成为主流的拷贝数变异检测技术。虽然不断有新的基于高通量测序技术的算法和软件被人们开发出来,但是准确率仍然不理想。本文全面地综述基于高通量测序数据的拷贝数变异检测方法,包括基于reads深度的方法、基于双末端映射的方法、基于拆分read的方法、基于从头拼接的方法以及基于上述4种方法的组合方法,深入探讨了每类不同方法的原理,代表性的软件工具以及每类方法适用的数据以及优缺点等,并展望未来的发展方向。     

采用高通量测序技术分析尾病毒目噬菌体基因组末端序列特点

证明噬菌体高通量测序中高频出现的序列即是噬菌体基因组的末端序列。在T3噬菌体基因组末端连接特异性序列接头,然后进行高通量测序,同时将不加接头的T3基因组也进行高通量测序,对测序结果进行生物信息学比较分析。采用类似高通量测序技术分析N4样噬菌体的全基因组序列。加接头的序列与无接头序列中的高频序列完全一致,证明了高通量测序过程中得到的高频序列就是加接头的基因组末端序列,同时证明T4样噬菌体的末端具有序列特异性而非完全随机,此外我们还发现N4样噬菌体基因组左侧末端具有唯一序列,而其基因组右侧末端不均一。高通量测序技术方便快捷,可用于噬菌体基因组末端和全基因组序列的同时测定。     

全基因组测序与生物信息学分析在细菌耐药性研究中的应用

随着耐药细菌的大量出现及广泛传播,细菌耐药性成为全球备受关注的问题。耐药细菌的特征如耐药基因、毒力因子、质粒分型等以及不同菌株间亲缘关系对于细菌耐药性流行病学及分子生物学的研究有着十分重要的意义。但是传统的技术手段如聚合酶链式反应(Polymerase chain reaction,PCR)和脉冲场凝胶电泳(Pulsed field gel electrophoresis,PFGE)等得到的结果不够全面且精确度低,对于现有的研究存在很大的局限性。全基因组测序技术(Whole genome sequencing,WGS)和生物信息学分析(Bioinformatics analysis)由于能够快速详尽地得到耐药细菌的特征,也能更加精细地判断不同菌株间的进化关系,逐渐成为更加有效的技术手段,为耐药性研究提供了有效的帮助。因此,文中系统地介绍全基因组测序分析流程中的各个步骤,主要包括文库构建、平台测序以及后期数据分析三大方面的不同方法和其相应的特点,期望相关研究人员对此能够有更全面的了解,并得到一定的帮助。     

单细胞基因组测序技术新进展及其在生物医学中的应用

随着单细胞基因组测序技术的建立与发展,对细胞基因组特征的分析进入了单细胞水平。单细胞的基因组分辨率不但使研究人员能够在单细胞尺度上分析肿瘤细胞的异质性,也使得传统上难以检测的稀有细胞的基因组研究成为可能。这些稀有细胞往往具有重要的生物学意义或临床价值,如癌症患者血液中循环肿瘤细胞(circulatingtumorcell,CTC)的基因组检测或三代试管婴儿植入前胚胎细胞的遗传缺陷诊断与筛查(preimplantation genetic diagnosis/screening, PGD/PGS)。本文总结了近年来发展的各种单细胞基因组扩增技术及其优缺点,并介绍了单细胞基因组测序技术在肿瘤生物学和临床检测中的应用,以期为单细胞基因组测序技术在临床检测中应用开发提供参考。     

Whole genome sequencing and its applications in medical genetics

Fundamental improvement was made for genome sequencing since the next-generation sequencing (NGS) came out in the 2000s. The newer technologies make use of the power of massively-parallel short-read DNA sequencing, genome alignment and assembly methods to digitally and rapidly search the genomes on a revolutionary scale, which enable large-scale whole genome sequencing (WGS) accessible and practical for researchers. Nowadays, whole genome sequencing is more and more prevalent in detecting the genetics of diseases, studying causative relations with cancers, making genome-level comparative analysis, reconstruction of human population history, and giving clinical implications and instructions. In this review, we first give a typical pipeline of whole genome sequencing, including the lab template preparation, sequencing, genome assembling and quality control, variants calling and annotations. We compare the difference between whole genome and whole exome sequencing (WES), and explore a wide range of applications of whole genome sequencing for both mendelian diseases and complex diseases in medical genetics. We highlight the impact of whole genome sequencing in cancer studies, regulatory variant analysis, predictive medicine and precision medicine, as well as discuss the challenges of the whole genome sequencing.      

基于新一代高通量测序的环境微生物转录组学研究进展

环境微生物转录组学是一门新兴学科,它以复杂环境样品中的微生物mRNA为研究对象,利用近年兴起的RNA-Seq高通量测序技术,在整体水平上对环境微生物的基因表达水平和调控规律进行研究.本文概述了环境微生物转录组研究从样品的采集保存、RNA提取、mRNA的富集、cDNA合成直到高通量测序及数据分析的基本流程.总结了该技术面临的主要瓶颈:环境样品mRNA含量低、腐植酸等干扰杂质多、rRNA去除程度有限.针对RNA的提取、纯化以及mRNA的富集这些重点步骤,详细阐述了近年来在提高mRNA的得率与纯度上的方法学进展.重点介绍了高通量测序数据的处理及分析方法,从测序数据的质量控制、序列组装、rRNA的鉴定及去除、功能基因注释及分类到差异表达基因的鉴定.最后总结了近年来环境微生物转录组学在新基因的发现、不同环境条件下微生物的基因表达及调控规律研究、有机物的代谢路径分析等3个主要研究领域的广泛应用.随着测序技术及生物信息学分析工具的发展进步,环境微生物转录组学将具有更广阔的应用前景.     

Leveraging whole genome sequencing data for demographic inference with approximate Bayesian computation

Accounting for historical demographic features, such as the strength and timing of gene flow and divergence times between closely related lineages, is vital for many inferences in evolutionary biology. Approximate Bayesian computation (ABC) is one method commonly used to estimate demographic parameters. However, the DNA sequences used as input for this method, often microsatellites or RADseq loci, usually represent a small fraction of the genome. Whole genome sequencing (WGS) data, on the other hand, have been used less often with ABC, and questions remain about the potential benefit of, and how to best implement, this type of data; we used pseudo‐observed data sets to explore such questions. Specifically, we addressed the potential improvements in parameter estimation accuracy that could be associated with WGS data in multiple contexts; namely, we quantified the effects of (a) more data, (b) haplotype‐based summary statistics, and (c) locus length. Compared with a hypothetical RADseq data set with 2.5 Mbp of data, using a 1 Gbp data set consisting of 100 Kbp sequences led to substantial gains in the accuracy of parameter estimates, which was mostly due to haplotype statistics and increased data. We also quantified the effects of including (a) locus‐specific recombination rates, and (b) background selection information in ABC analyses. Importantly, assuming uniform recombination or ignoring background selection had a negative effect on accuracy in many cases. Software and results from this method validation study should be useful for future demographic history analyses.