和大家分享这篇日志，我的看法是：
原文地址：序列组装及其后续分析 原文作者：selene
对一种真菌的基因组测序研究或许能够回答下面的问题:
为什么一种真菌能够成为病原物,而另外一种能够成为一种杀虫剂。
同样的，对水稻或者其它工程菌的测序或许也能回答下面的问题：
为什么有的水稻穗大粒多，高产，而另外一种水稻穗小粒少，低产。
下一代的测序技术(SOLiD, 454 and Genome Analyzer System)使得对真菌进行快速的测序成为可能,
在得到测序数据后,主要要进行后续的数据处理和分析:
第一步:
对序列进行组装,如果是重测序,可以用MAQ进行组装;
如果是对新物种进行(de novo)测序,用velvet进行组装.
第二步:
对组装后得到的Scaffold进行全基因组基因注释:
包括:基因组组分分析;编码基因预测;重复序列注释;Non-coding RNA基因注释;Micro RNA基因注释;tRNA基因注释;假基因(Pseudogene)注释等.
常用到的编码基因用到的软件有:
Augustus: http://augustus.gobics.de/
Fgenesh: http://www.softberry.com/
Genemark: http://exon.biology.gatech.edu/
第三步:
对预测的基因进行功能(Gene Ontology,调控Motif,Pathway等)注释:
可以使用的软件有:InterproScan,SignalP,SMURF
第四步:
比较基因组和分子进化分析:
如快速进化(rapid evolution)分析,共线性分析(Synteny Block),基因家族分析等;
常用的进化树分析软件:
MEGA:http://www.megasoftware.net/
与真菌相关的基因家族如:
P450:
http://p450.riceblast.snu.ac.kr
http://drnelson.utmem.edu/CytochromeP450.html
主要的真菌测序机构:
http://www.genolevures.org/
http://www.broadinstitute.org
http://www.jgi.doe.gov/
http://www.sanger.ac.uk/
参考文献：
http://www.aikexue.org/?p=327
短序列组装Sequence Assembly
（说明：转了一部分，自己写了一部分）
短序列组装（Sequence assembly）几乎是近年来next-generation sequencing最热门的话题。简单来说，就是把基因组长长的序列打断(shotgun sequencing)，因为我们不知道基因组整条序列是如何排列（成一条链，最后成为一条染色体）组合（如何区分不同染色体）的，而我们又无法实现一次把整条长序列完整测序（现在有单子测序可能是一个新的sunlight)。然后，我们通过算法，计算机的帮助，把这些短的序列组装起来成为一条完整有序的序列。
就好比我们有这样一句话：
it is just a hypothesis, so don't be seriously！
假设，我们现在不知道这句话到底是什么，就像我们有一个box，我们抽到一张纸，但没打开，我们把这张纸撕成pieces，当然可能还发生了变化，所有的空格和标点都消失了（魔术！）我们得到：
itis ypo stah the sodo eriou siss ju ntbes sly……
因为我们测了几次，为了增加覆盖度，这样我们能通过高覆盖度而提高置信度：
itis ypo stah the sodo eriou siss ju ntbes sly tis yopth sodon beser beser ssod iti sju……
另外，我们又发明了一种称作为paired-ends的序列测序方法，即两头定长，中间插入片段一定的序列，像这样：
iti*****ahyp sju*****pot the*****don sod*****ser bes*****sly ……
这样我们根据如下图的方法，我们可以把这句话拼回来：
itisjustahypothesissodontbeseriously
但它不是最终结果，我们根据我们的现有的语法习惯，我们给它们加上空格（gap)和标点（遗漏的关键东西），我们能够还原原话！
第一：介绍一下组装的方法：
方法一：对序列进行组装,如果是重测序,可以用MAQ进行组装：Map to reference genome
方法二：如果是对新物种进行(de novo)测序,用velvet进行组装：De novo assembly
第二：组装的原理和流程图：
方法一和方法二的区别是有无参考基因组（reference genome）：下面是有参考基因组的一个结果显示
Mapping short reads to a reference
Eland
aligner for Illumina data
alignment policies:
??allows up to 2 mismatches/alignment
??non-unique alignments are discarded
Maq
??quality aware - takes seq quality into
account
??allows non-unique alignments
Index methods
??reference genome is loaded into active
memory as k-mers
??very fast alignments
??SOAP
??Bowtie
SNP detection, paired-end mapping, RNA-seq, ChIP-seq, etc.
Analysis depends on application
Mapping to reference genome
??useful for interrogating the “known” genome
??RNA sequencing
??ChIP sequencing
??SNP detection (targeted and whole-genome)
??methyl-seq
??CNV detection (sometimes)
De novo assembly
??no genome sequence
??unbiased ascertainment of variation in
known genome by whole-genome reseq
第三：short reads alignment by MAQ
第四：velvet示意图：
通过上述两种方法可以完成高通量短序列数据的组装，但事实它并不简单，因为基因组中含有大量的重复序列（Repeats），多态性变异（Polymorphism），测序错误（Sequencing error)，这三个方面就是组装过程中出现组装错误的主要来源.
参考资料：http://blog.sina.com.cn/s/blog_4860086b0100dnos.html
http://seqanswers.com/forums/showthread.php?t=1024
评论这张
转发至微博
转发至微博
关闭
玩LOFTER，免费冲印20张照片，人人有奖！
我要抢>
<#--最新日志，群博日志-->
<#--推荐日志-->
<#--引用记录-->
<#--博主推荐-->
<#--随机阅读-->
<#--首页推荐-->
<#--历史上的今天-->
<#--被推荐日志-->
<#--上一篇，下一篇-->
<#-- 热度 -->
<#-- 网易新闻广告 -->
<#--右边模块结构-->
<#--评论模块结构-->
<#--引用模块结构-->
<#--博主发起的投票-->
评论