测序常用名词解释整理

高通量测序领域常用名词解释大全

什么是高通量测序？

高通量测序技术（High-throughput sequencin，g HTS）是对传统Sanger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 sequencin，g 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）

Sanger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-sequencin）g

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

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。

测序名词关系图

什么是fragments

fragments 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 N50

Reads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Contig 1，Contig 2，Contig 3... Contig 25。将Contig 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 N50。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Illumina 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Contig 之间的顺序关系，这些先后顺序已知的Contigs 组成Scaffold。

(通过pair ends信息确定出的contig 排列，中间有gap)

什么是Scaffold N50

Scaffold N50与Contig N50 的定义类似。Contigs 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Scaffold N50。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 N50。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%的序列区域是没有通过测序获得的。

什么是RPKM、FPKM

RPKM,Reads Per Kilobase of exon model per Million mapped reads, is defined 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