测序常用名词解释

测序常用名词解释整理作者: 日期:高通量测序领域常用名词解释大全物种基因组大小发表时间拟南芥(Arabidopsis ilialiaiiaj125Mb2000J1 sativa)400Mb2002.4 %^(Populus trichocaipa)480Mb2006.9葡萄(Vitis vinifera)490Mb2007.9小yL^^(Physcomtrella patens)480Mb2008J番木瓜(Cnnd 口papa) -a)370Mb2008.4咼粱(Soj^ghutn bicolor)P 730Mb2009J玉来侶％mays）2300Mb2009JI 黄瓜f a ©mi ber)350M2009.11 ^^^jlycine max)1100Mb2010,1一穗短柄草(Brachypodiim distachyon)355Mb2010.2什么是高通量测序？高通量测序技术（High-throughput seque ncing, HTS ）是对传统San ger测序（称为一代测序技术）革命性的改变，一次对几十万到几百万条核酸分子进行序列测定,因此在有些文献中称其为下一代测序技术（next generation sequencing NGS ）足见其划时代的改变，同时高通量测序使得对一个物种的转录组和基因组进行细致全貌的分析成为可能,所以又被称为深度测序（Deep sequencing。

什么是Sanger法测序（一代测序）San ger法测序利用一种DNA聚合酶来延伸结合在待定序列模板上的引物。

直到掺入一种链终止核苷酸为止。

每一次序列测定由一套四个单独的反应构成，每个反应含有所有四种脱氧核苷酸三磷酸（dNTP）,并混入限量的一种不同的双脱氧核苷三磷酸（ddNTP）。

由于ddNTP缺乏延伸所需要的3-OH基团，使延长的寡聚核苷酸选择性地在G A、T或C处终止。

终止点由反应中相应的双脱氧而定。

每一种dNTPs和ddNTPs的相对浓度可以调整，使反应得到一组长几百至几千碱基的链终止产物。

它们具有共同的起始点，但终止在不同的的核苷酸上，可通过高分辨率变性凝胶电泳分离大小不同的片段，凝胶处理后可用X-光胶片放射自显影或非同位素标记进行检测。

什么是基因组重测序（Genome Re-sequencing全基因组重测序是对基因组序列已知的个体进行基因组测序，并在个体或群体耳水平上进行差异性分析的方法。

随着基因组测序成本的不断降低，人类疾病的致病突变研究由外显子区域扩大到全基因组范围。

通过构建不同长度的插入片段文库和短序列、双末端测序相结合的策略进行高通量测序，实现在全基因组水平上检测疾病关联的常见、低频、甚至是罕见的突变位点，以及结构变异等，具有重大的科研和产业价值。

什么是de novo测序Genomic DNA打碎成固定长度片段测序仪J序列测定［第二代测序技术］组装程序J 序列组装［SOAPdenovo软件］A宫smmblgcl gmnQrn©de novo测序也称为从头测序：其不需要任何现有的序列资料就可以对某个物种进行测序，利用生物信息学分析手段对序列进行拼接，组装，从而获得该物种的基因组图谱。

获得一个物种的全基因组序列是加快对此物种了解的重要捷径。

随着新一代测序技术的飞速发展，基因组测序所需的成本和时间较传统技术都大大降低，大规模基因组测序渐入佳境，基因组学研究也迎来新的发展契机和革命性突破。

利用新一代高通量、高效率测序技术以及强大的生物信息分析能力，可以高效、低成本地测定并分析所有生物的基因组序列。

4 / 15测序名词关系图ScaffoldContig 2FragnwntR^ad :kn own sequence)Roughly known length but not known sequence 什么是fragmentsfragments就是打成的片段，而测序测的就是这些fragments，测出来的结果就是reads，又可以分为单端侧和双端侧，单端测序的话，只是从fragments的一端测序，测多长read就多长，双端测序就是从一个fragments的两端测，就会得出两个reads什么是Reads高通量测序平台产生的序列就称为reads。

（测序读到的碱基序列片段，测序的最小单位；）什么是Contig拼接软件基于reads之间的overlap区，拼接获得的序列称为Contig （重叠群）。

（由reads通过对overlap区域拼接组装成的没有gap的序列段；）什么是Contig N50Reads拼接后会获得一些不同长度的Contigs。

将所有的Contig长度相加，能获得一个Contig总长度。

然后将所有的Contigs按照从长到短进行排序，如获得Con tig 1 ，Co ntig 2 ，Con tig 3… ............. Con tig 25。

将Co ntig 按照这个顺序依次相加，当相加的长度达到Contig总长度的一半时，最后一个加上的Contig 长度即为Contig N50。

举例：Contig 1+Contig 2+ Contig 3 +Contig 4=Contig总长度*1/2时，Contig 4的长度即为Contig N5（。

Contig N50可以作为基因组拼接的结果好坏的一个判断标准。

什么是Scaffold基因组de novo测序（没有参考基因组的测序，需要研究人员从头拼接得到的序列），通过reads拼接获得Contigs后，往往还需要构建454 Paired-end 库或Mu mi na Mate-pair 库，以获得一定大小片段（如3Kb 6Kb 10Kb 20Kb）两端的序列。

基于这些序列，可以确定一些Con tig之间的顺序关系，这些先后顺序已知的Contigs组成Scaffold。

（通过pair e nds 信息确定出的con tig 排列，中间有gap）什么是Scaffold N50Scaffold N50 与Co ntig N50的定义类似。

Con tigs拼接组装获得一些不同长度的Scaffolds。

将所有的Scaffold长度相加，能获得一个Scaffold总长度。

然后将所有的Scaffolds按照从长到短进行排序，如获得Scaffold 1, Scaffold 2, Scaffold 3...Scaffold 25。

将Scaffold 按照这个顺序依次相加，当相加的长度达到Scaffold总长度的一半时，最后一个加上的Scaffold长度即为ScaffoldN5Q 举例：Scaffold 1+Scaffold 2+ Scaffold 3 +Scaffold 4 +Scaffold 5=Scaffold 总长度*1/2 时，Scaffold 5 的长度即为Scaffold N5d Scaffold N50 可以作为基因组拼接的结果好坏的一个判断标准。

什么是测序深度和覆盖度测序深度：是指测序得到的总碱基数与待测基因组大小的比值。

假设一个基因大小为2M测序深度为10X,那么获得的总数据量为20M 覆盖度：是指测序获得的序列占整个基因组的比例。

Gap由于基因组中的高GC重复序列等复杂结构的存在，测序最终拼接组装获得的序列往往无法覆盖有所的区域，这部分没有获得的区域就称为。

例如一个细菌基因组测序，覆盖度是98%那么还有2%勺序列区域是没有通过测序获得的。

什么是RPKM FPKMRPKM,ReadPer Kilobase of ex on model per Millio n mappedreads, is defi ned in thisway [ Mortazavi etal., 2008 ]:每1百万个map上的reads中map到外显子的每1K个碱基上的reads个数。

假如有1百万个reads映射到了人的基因组上，那么具体到每个外显子呢，有多少映射上了呢，而外显子的长度不一，那么每1K个碱基上又有多少reads映射上了呢，这大概就是这个RPKM勺直观解释RKPM (exonJ = 10 ' exon_tag_count / (total_tag_count * exon_size)RPKM (gene) = W9' gene tag^count / (total T tag^count * canonical_transcrip< size)Mortjuiivi 抓(20031 Nature Methods如果对应特定基因的话，那么就是每1000000 mapped到该基因上的reads中每kb有多少是map ped到该基因上的exo n的readTotal exon reads:This is the nu mber in the colu mn with header Totalexon reads in the row for the gene. This is the nu mber of reads that have beenmappedto a region in which an exon is annotated for the gene or across thebo un daries of two exons or an intron and an exon for an anno tated tran script ofthe gene. For eukaryotes, exons and their internalrelatio nships are defi ned bya nno tati ons of type mRNA. 映射至U外显子上总的reads个数。

这个是映射到某个区域上的reads个数，这个区域或者是已知注释的基因或者跨两个外显子的边界或者是某个基因已经注释的转录本的内含子、外显子。

对于真核生物来说，外显子和它们自己内部的关系由某类型的mRNA^注释。

Exonlen gth: This is the nu mber in the colu mn with the header Exon len gthin the row for the gene, divided by 1000. This is calculated as the sum of thelengths of all exons annotated for the gene. Each exon is included only once in this sum, eve n if it is prese nt in more anno tated tran scripts for the gene.Partly overlapping exons will count with their full length, eve n though theyshare the same region. 外显子的长度。