FIND:从下一代单端测序数据中快速查找Indel的方法

目的:针对下一代测序数据,尤其是单端测序数据,研究快速、准确查找Indel的方法。方法:先与全基因组参考序列进行快速比对,筛选出包含Indel的序列;再对这些序列进行双向的二次比对,确定Indel长度;最后借助长度信息在锁定范围内查找Indel的确切位置和相关信息。结果:本文成功构建FIND(Fast INDel detection system)系统,用于从单端测序数据中查找Indel信息。以模拟测序数据作为测试数据,在12X测试数据情况下,FIND的灵敏度和特异性分别为87.71%和99.66%,而且该性能还随着测序倍数的增加而提升。结论:充分利用比对过程获取的信息,在确定Indle长度的同时也确定出其大致位置,最终在局部范围内实现对单端测序数据中Indle的快速而准确的查找。     

Illumina-Solexa测序数据质量评估系统的构建

目的：针对下一代测序数据量大、序列长度短的特点,研究数据分析和质量评估方法。方法：选择已发布的Illumina-Solexa平台测序数据为研究对象,通过MAQ软件将测序数据与人类全基因组序列进行比对,并以外显子区域为例,在位点水平对测序数据质量进行评估。结果：结合已有软件系统和本文自创线性算法,建立了一套包括比对、拼接在内的测序数据质量评估系统。比对分析后,发现原始测序序列共覆盖了127,113,378个位点,涉及24条染色体上的64868个外显子。其中,每个位点都被测到的外显子为0.50%,位点平均测序深度大于等于1的外显子为3.98%。结论：成功构建了基于Illumina-Solexa测序平台的数据分析和质量评估方法,其可适用于其它第二代测序平台。研究者可在质量评估的基础上完善测序试验设计,并进行SNP和突变筛选及后续功能性研究。     

小鼠睾丸特异表达基因TSEG-1的克隆及序列分析

从表达序列标签(expressed sequence tags, ESTs)数据库ZooDDD中获得小鼠正常睾丸表达的EST, 通过dbEST数据库检索出与其高度同源的EST序列, 构建EST叠加群(contigs), Biolign软件拼接, GeneScan软件预测contigs对应的基因组序列中的外显子、内含子; 针对开放阅读框设计引物序列, 采用RT-PCR从小鼠睾丸组织中克隆新基因的cDNA, 分析该基因在小鼠各脏器中的mRNA表达, 并对测序结果进行生物信息学分析。结果表明: 在小鼠X染色体的1 668~2 011 kb间克隆出一新基因TSEG-1, 全长为510 bp, 开放阅读框为336 bp, 编码111氨基酸, 分子量12.84258 kDa, 等电点11.4000。RT-PCR证实该基因开放阅读框正确, 在小鼠睾丸组织中特异性表达, 且与小鼠其他cDNA 无同源性, 获得GenBank 登录号EU079024。功能区分析发现TSEG-1蛋白可能为一种跨膜蛋白, 跨膜区位于第41~61氨基酸残基。TSEG-1基因与人类睾丸特异性组蛋白2a变异体基因有较高同源性, 在TSEG-1基因5′-端非编码侧翼预测发现存在1个启动子区域, 范围为680 bp。 TSEG-1蛋白可能有4个抗原性位点, 2个特异性蛋白激酶的磷酸化位点, 其亚细胞定位可能位于线粒体。小鼠睾丸特异性基因TSEG-1的克隆为进一步研究其生物学功能和表达调控奠定了基础。