全基因组重测序数据分析详细说明

全基因组重测序数据分析 1. 简介(Introduction) 通过高通量测序识别发现de novo 的somatic 和germ line 突变，结构变异-SNV，包括重排突变（deletioin, duplication 以及copy number variation）以及SNP 的座位；针对重排突变和SNP 的功能性进行综合分析；我们将分析基因功能（包括miRNA），重组率（Recombination）情况，杂合性缺失（LOH）以及进化选择与mutation 之间的关系；以及这些关系将怎样使得在disease（cancer）genome 中的mutation 产生对应的易感机制和功能。我们将在基因组学以及比较基因组学，群体遗传学综合层面上深入探索疾病基因组和癌症基因组。 实验设计与样本 （1）Case-Control 对照组设计 ； （2）家庭成员组设计：父母-子女组（4 人、3 人组或多人）； 初级数据分析 1．数据量产出： 总碱基数量、Total Mapping Reads、Uniquely Mapping Reads 统计，测序深度分析。 2．一致性序列组装：与参考基因组序列（Reference genome sequence）的比对分析，利用贝叶斯统计模型检测出每个碱基位点的最大可能性基因型，并组装出该个体基因组的一致序列。 3．SNP 检测及在基因组中的分布：提取全基因组中所有多态性位点，结合质量值、测序深度、重复性等因素作进一步的过滤筛选，最终得到可信度高的SNP 数据集。并根据参考基因组信息对检测到的变异进行注释。 4．InDel 检测及在基因组的分布: 在进行mapping 的过程中，进行容 gap 的比对并检测可信的short InDel。在检测过程中，gap 的长度为 1~5 个碱基。对于每个 InDel 的检测，至少需要 3 个 Paired-End 序列的支持。 5．Structure Variation 检测及在基因组中的分布: 能够检测到的结构变异类型主要有：插入、缺失、复制、倒位、易位等。根据测序个体序列与参考基因组序列比对分析结果，检测全基因组水平的结构变异并对检测到的变异进行注释。 高级数据分析 1.测序短序列匹配（Read Mapping） （1）屏蔽掉 Y 染色体上假体染色体区域（pseu do-au tosomal region）, 将 Read 与参考序列 NCBI36 进行匹配（包括所有染色体，未定位的 contig，以及线粒体序列 mtDNA（将用校正的剑桥参考序列做替代）)。采用标准序列匹配处理对原始序列文件进行基因组匹配， 将Read 与参考基因组进行初始匹配；给出匹配的平均质量得分分布； （2）碱基质量得分的校准。我们采用碱基质量校准算法对每个 Read 中每个碱基...