生物信息学-高通量测序技术及数据分析-陈润生院士说课材料.ppt

生物信息学_高通量测序技术及数据分析_陈润生院士

背景介绍

背景介绍第一代测序技术Sanger测序法链终止法双脱氧终止法1975年Transcription/s/blog_7110867f0100zi09.htmlFrederickSanger弗雷德里克·桑格1918年8月13日－2013年11月19日1958年诺贝尔化学奖1980年诺贝尔化学奖

背景介绍第二代测序技术边合成边测序2005年左右Sequencingbysynthesis代表性测序技术Illumina/SolexaRoche/454ABI/SOLiDPolonatorHeliScope参考文献Metzker,M.L.(2010).Sequencingtechnologies-thenextgeneration.NatRevGenet11,31-46./nrg/journal/v11/n1/full/nrg2626.htmlIlluminaHiSeq2500

背景介绍高通量测序文库构建单末端测序，single-end首先将DNA样本进行片段化处理形成200-500bp的片段，引物序列连接到DNA片段的一端，然后末端加上接头，将片段固定在flow?cell上生成DNA簇，上机测序单端读取序列。双末端测序，paired-end在构建待测DNA文库时在两端的接头上都加上测序引物结合位点，在第一轮测序完成后，去除第一轮测序的模板链，引导互补链在原位置再生和扩增，以达到第二轮测序所用的模板量，进行第二轮互补链的合成测序。

背景介绍以Illumina为例简单介绍测序原理IlluminaHiSeq2500cBot

背景介绍高通量测序数据格式fasta序列文件的第一行是由大于符号（）打头的任意文字说明，主要为标记序列用。从第二行开始是序列本身，标准核苷酸符号，通常核苷酸符号大小写均可fastq第一行由‘@’开始，后面跟着序列的描述信息，这点跟fasta格式是一样的；第二行是序列；第三行由‘+’开始，后面也可以跟着序列的描述信息；第四行是第二行序列的质量评价（qualityvalues），字符数跟第二行的序列是相等的。

背景介绍高通量测序数据格式fastqQ=-10log10(p)ORQ=-10log10[p/(1-p)](p：碱基错误率)字符的ASCII值-64=质量值OR字符的ASCII值-33=质量值NCBI/SangerorIllumina1.8andlater.UsingaPhredscaleencodedusingASCII33to93.ThisisthestandardforfastqformatsexceptfortheearlyIlluminadataformats(thischangedwithversion1.8oftheIlluminaPipeline).IlluminaPipeline1.2andearlier.UsingaSolexa/Illuminascale(-5to40)usingASCII59to104.TheWorkbenchautomaticallyconvertsthesequalityscorestothePhredscaleonimportinordertoensureacommonscaleforanalysesacrossdatasetsfromdifferentplatforms(seedetailsontheconversionnexttothesamplebelow).IlluminaPipeline1.3and1.4.UsingaPhredscaleusingASCII64to104.IlluminaPipeline1.5to1.7.UsingaPhredscaleusingASCII64to104.Values0(@)and1(A)arenotusedanymore.Value2(B)hasspecialmeaningandisusedasatrimclipping.ThismeansthatwhenselectingIlluminaPipeline1.5andlater,thereadsaretrimmedwhenaBisencounteredintheinputfileiftheTrimreads