基于染色质交互数据的基因组组装方法

伴随着高通量DNA测序技术的不断推陈出新和价格持续下调,如何将scaffolds定位于染色体逐渐成为完整参考基因组获得的关键。高通量染色质构象捕获技术(High-throughput chromosome conformation capture,简称Hi-C)的出现为基因组组装过程中scaffolds快速锚位提供了契机。相比于传统的基因组组装方法,基于染色质交互组装基因组的策略实验操作简易、实验和时间成本较低、正确率及分辨率高,在基因组相对复杂的多倍型和高度杂合的物种中有着更大的应用前景。但由于技术本身的限制,该方法还存在分辨率、背景噪声等问题需要解决,有待进一步改进和提高。

基因组组装问题建模——2014“深圳杯”数学建模夏令营B题评述

基因组测序是当今生物学领域的一个重要研究手段,而基因组组装是其首要问题。2014年"深圳杯"数学建模夏令营B题要求学生对一个相对短的基因组(细菌人工染色体BAC)的下一代测序数据建立基因组组装算法,并编制程序加以实现。本文对学生所提交解答的情况进行了一个简单评述。

植物基因组组装技术研究进展

获得包含基因组全序列的参考基因组是对物种进行基因组学研究和利用的前提。大多数被子植物经历过全基因组复制或多倍化以及随后的染色体重排、丢失,很多植物还经历过重复序列大规模扩张,导致了基因组大小的剧烈膨胀,这些事件塑造了植物基因组复杂的特征和广泛的多样性,也在一定程度上导致了植物基因组组装的诸多难题。本文将植物基因组按照简单、高杂合、高重复、高倍性基因组和泛基因组进行分类,介绍不同类型的基因组适用的组装策略及应用效果,并对新测序技术在组装中的应用趋势进行展望。

高产聚苹果酸黑色素短梗霉CGMCC18996全基因组组装注释及关键蛋白分析

通过PacBio Sequel II及Illumina NovaSeq 6000测序平台对高产聚苹果酸(polymalic acid,PMLA)产黑色素短梗霉(Aureobasidium melanogenum)基因组进行测序,对测序得到的下机文件进行组装,并结合转录组数据进行基因结构注释。结果表明,产黑色素短梗霉基因组中共有6202个基因,主要参与碳水化合物转运及代谢、氨基酸转运代谢、转录后修饰、RNA加工及修饰等生物活动。功能注释结果显示基因组中有大部分基因与过氧化物体有关,进而对菌株进行透射电镜拍摄,发现菌体中存在圆形的类过氧化物体(乙醛酸体)结构,提示菌体可通过乙醛酸循环途径生成苹果酸。最后,对可能与PMLA合成有关的磷酸烯醇式丙酮酸羧化酶激酶和苹果酸合成酶进行了蛋白质结构预测,发现这两种蛋白可能具备合成苹果酸的能力。本研究结果可为产黑色短梗霉菌株的PMLA代谢提供一定的参考,同时,组装的基因组文件已上传至相关数据库,为后续的菌株开发利用提供基础。

基于三代长读长测序数据的基因组组装算法分析

目的指出当前已有的基于三代测序数据的基因组组装方法的缺陷,并提出改进措施,以提高组装的准确率与运行效率。方法深入分析当前基于三代长读长测序技术的基因组组装方法,包括基于“校正后组装”策略的FALCON,Canu和MECAT组装方法,基于“组装后校正”策略的Flye和Wtdbg2组装方法,指出不同策略的优缺点。结果与结论综合2种组装策略的优势,提出了可以融合2种组装策略优势的新的基因组组装方案,解决了当前基于三代测序数据的基因组组装中的难点。

单叶省藤和黄藤基因组组装研究

单叶省藤(Calamus simplicifolius)和黄藤(Daemonorops jenkinsiana)是棕榈藤的2种重要的代表藤种,是藤工业化利用的主要原材料。然而,棕榈藤参考基因组的空白成为开展其基础生物学和应用生物学研究的主要障碍。本研究通过使用Illumina、Pacific Biosciences和基于染色体构象捕获技术的基因组辅助组装测序等高通量测序技术,完成了单叶省藤和黄藤染色体水平上基因组的组装。项目测序共分别得到约730 Gb和约682 Gb的原始数据,分别相当于预测基因组覆盖度(单叶省藤约1. 98 Gb,黄藤约1. 61 Gb)的372倍和426倍。另外,单叶省藤和黄藤的scaffold N50分别为160 Mb和119 Mb。在单叶省藤和黄藤的基因组分别注释出51 235和53 342个完整的蛋白质编码基因模型。通用单拷贝直系同源评估表明,2种藤基因组组装的完整性分别达到96. 4%和91. 3%。进化分析显示,4种棕榈科植物聚在一支上,单叶省藤和黄藤的分化时间约出现于1 930万年前。此外,还分别在单叶省藤和黄藤的基因组中鉴定了193个和172个参与木质素生物合成的基因。这些数据不仅为开展藤功能基因组学研究提供了基础资源,促进种质资源的育种应用,而且还作为开展种间及不同物种之间的比较研究提供了参考基因组。

基于MapReduce的基因组组装算法改进

生物信息数据的飞速增长需要新的技术引入到该学科,目前的基因组组装算法还存在着精度不高、并行化不足等缺点。对目前组装算法的分析后,提出了基于Map Reduce的组装算法,通过统计去除组装过程中的错误数据,通过增加k-mer的长度消除组装过程中的重复数据,最后在Map Reduce平台实现了并行组装算法,实验结果表明算法提高了组装的准确度和计算速度。

基因组装配中存在重复序列叠加时重叠群计数的推广的Lander-Waterman定理

针对基因组组装算法理论进行了改进,该研究对于经典的Lander-Waterman定理在repeatcollapse存在的情况下进行了推广,对于判断基因组组装的contig的个数是否合理,组装质量是否可靠有重要的参考价值。

基于PacBio三代测序的高质量汶上芦花鸡基因组的组装

【目的】汶上芦花鸡为中国唯一的芦花羽地方鸡品种资源,芦花基因可伴性遗传,芦花羽性状可用于雏鸡的自别雌雄。试验旨在丰富家鸡基因组信息,获取汶上芦花鸡全基因组序列,为鸡伴性芦花羽分子机制研究提供材料。【方法】以汶上芦花鸡为试验动物,基于BGI MGISEQ构建小片段文库进行基因组特征评估,利用PacBio三代测序技术、Hi-C技术组装及构建汶上芦花鸡全基因组信息数据库,利用生物信息学方法对获得的基因组序列进行组装和功能注释。【结果】试验共获得BGI二代测序数据量59.70 Gb;获得PacBio三代测序数据量31.13 Gb,reads平均长度为15362 bp;获得Hi-C数据量95.37 Gb;拼接和初步组装得到基因组大小为1.12 Gb,经Hi-C辅助组装后,共有1.07 Gb的序列挂载到41条染色体上,挂载率95.62%,基因组contigs N50为9.61 Mb,scaffold N50为91.29 Mb,BUSCO评估为98.50%,基因组连续性和完整度良好;预测基因组有22.57%的重复序列,有426个tRNAs、56个rRNAs、260个miRNAs和308个snRNAs;共预测得到蛋白编码基因17338个,其中96.00%的基因在数据库中得到了功能注释;组装获得汶上芦花鸡Z染色体长度约88.23 Mb,预测并注释到蛋白编码基因742个,这些基因显著富集于氨基酸、脂肪等代谢相关通路,在汶上芦花鸡Z染色体上准确定位了TYRP 1、CDKN 2 A、SLC 45 A 2等羽色相关基因。【结论】研究获得了汶上芦花鸡高质量染色体水平基因组,丰富了家鸡基因组遗传信息,准确定位了Z染色体上一些羽色相关基因。研究结果可为从全基因组水平挖掘汶上芦花鸡优异性状调控机制奠定基础。

昆虫基因组组装大小偏差的原因解析

为明确昆虫基因组组装大小产生偏差的原因,利用流式细胞术估测来自6目10科的21种常见农业昆虫的基因组大小,同时从动物基因组大小数据库收集和整理1345个经流式细胞术估测的昆虫基因组大小信息,并从NCBI、GigaDB、DDBJ、i5k workspace@NAL、InsectBase和VectorBase等14个物种遗传信息数据网站获取536种昆虫的基因组组装信息进行比较分析。结果表明,收集的昆虫中有202种同时具有流式细胞术估测的基因组大小和基因组组装大小的信息,以更接近真实值的流式细胞术估测基因组大小为参照,比较发现其中42种昆虫的基因组组装大小偏大,98种昆虫的基因组组装大小偏小,而62种昆虫的基因组组装大小和经流式细胞术估测大小相似。基因组组装大小比经流式细胞术估测大小更大的物种,通过Wilcoxon秩和检验发现显著具有更多的重复序列,但与GC含量、contig N50及基因组测序和组装策略并无显著相关性。综合分析认为,在大多数情况下昆虫基因组组装大小更小,表明组装并不完整,但在重复序列占比较高的情况下,昆虫基因组的组装出现了冗余,导致组装大小更大。

基因与疾病关联分析中的宏基因组组装工具SWAP-Meta

基因与疾病的关联分析对人类健康和医疗的意义重大。准确的基因与疾病关联分析是个性化医疗发展必不可少的条件。宏基因组组装和分析对于了解各种环境中的微生物群落以及细菌分布至关重要,比如人类肠道宏基因组组装和分析可以帮助了解肥胖、肠炎等疾病机理。在基因与疾病关联分析以及宏基因组组装方面,本文深入讨论了相关技术难点,并介绍了我们的宏基因组组装工具SWAP-Meta。

真菌基因组组装技术在《农业微生物学》开放实验中的设计与实践

通过基因组组装技术获得高质量的基因组信息是开展真菌基因组学研究的前提。近年来,该技术在微生物研究领域应用广泛。为在本科教学中推广该技术,贵州大学农学院在院级平台课《农业微生物学》中设计开放实验,让植物保护本科专业的学生分组实践。具体实验内容为以HGAP4、Canu和MECAT对天麻褐腐病菌Fusarium oxysporum测序数据的基因组进行组装,并通过Quick Merge软件整合后得到最终的基因组序列,通过实践提高学生对微生物基因组研究的兴趣及动手能力,进而丰富教学内容,提高教学质量。

4种苹果属植物线粒体基因组的组装与比较分析

【目的】深入了解苹果属不同品种线粒体基因组之间的差异,并阐明其物种特异性。【方法】通过3代测序技术对4种苹果属植物进行测序,得到基因组原始数据,进而提取出线粒体基因组数据。通过生物信息技术手段进行组装和注释,分别从基因组组成和结构特征进行多方面比较分析。【结果】组装出了‘富士’、‘SH6’、‘火焰’、‘王族’4个品种的线粒体基因组,并且注释了其基因结构。另外对线粒体基因组的特征、重复序列、ORFs以及系统发育方面进行对比分析。【结论】苹果属线粒体基因组组装结果均在400 kb左右,并且在已经组装出的线粒体基因组中‘SH6’线粒体基因组最大。通过线粒体基因组特征比较发现,‘富士’的蛋白质编码基因区域最大并且注释到的基因最多。另外在‘火焰’中预测到的分散重复序列和简单重复序列数量最多,但是其中预测到的ORFs数量最少。4个供试品种与已发表的4个种或品种相比,其线粒体基因组大小、蛋白质编码基因区域具有特异性,且进化关系不同,为苹果属植物进化及新种质创制提供了理论依据。

用实时定量PCR解决基因组序列组装中的重复序列问题

目的:探寻一种简单、经济的方法,解决基因组序列拼接中的重复序列问题。方法:选取序列拼接中遇到重复序列问题的质粒NDM-BTR,在其与重复序列相关的contigs两端设计引物,进行实时定量PCR,通过观察临界循环数来判断contig之间的位置关系。结果:成功判断出质粒contig之间的位置关系,得到了质粒基因组完成图。结论:实时定量PCR法可用于解决基因组序列拼接中的重复序列问题,相比较传统建立大片段文库更加简单、快速、经济。

土壤重要动物白符虫兆(Folsomia candida)基因组的重新组装与注释

[目的]本文利用公开可用的PacBio测序数据进行白符虫兆(Folsomia candida)基因组的重新组装和注释,以提升该物种基因组组装的连续性和注释基因的完整性。[方法]使用Flye和Falcon进行组装,使用quickmerge合并组装结果。基因注释由MAKER完成,整合了从头(de novo)预测、转录本和蛋白质同源证据。其中转录组基于StringTie组装结果。[结果]新组装的基因组大小为221.09 Mb,共113条序列(scaffolds),其中最长scaffold为30.07 Mb,N50长度为13.5 Mb。新组装的基因组组装结果基于通用单拷贝直系同源基因(BUSCO)的完整性评估为96.5%。MAKER注释流程预测了20080个蛋白质编码基因,其中80.56%和96%的基因获得转录组和UniProt蛋白质数据支持,蛋白质编码基因BUSCO完整性评估为92.4%。此外,结构注释鉴定了253665条(22.3%)重复序列和661个非编码RNA。基因家族进化分析鉴定了8876个基因家族,其中48个家族发生了快速进化(扩张或收缩)事件。[结论]白符虫兆基因组的重新组装与注释的版本与原版本相比有显著提高,scaffold N50由6.5 Mb提高到13.5 Mb,蛋白质编码基因的完整性由84%提高到92.4%。基因家族进化分析为六足动物的进化及土壤生态毒理学提供重要的基础资料和新视角。

醋栗番茄染色体水平基因组组装

利用HiFi长片段测序技术对醋栗番茄PI365967的基因组进行测序和从头组装,共构建了924个连续的重叠群序列,N50长度高达12.8Mb,获得了PI365967染色体水平长度为834M的高质量基因组序列。与栽培番茄Heinz1706基因组进行比较分析发现,二者存在倒位、缺失等大量结构变异。GO富集分析揭示了发生结构变异的基因可能的生物学功能。

复杂基因组测序技术研究进展

复杂基因组指的是无法使用常规测序和组装手段直接解析的一类基因组,通常指包含高比例重复序列、高杂合度、极端GC含量、存在难消除异源DNA污染的基因组。为了解决复杂基因组的测序和组装问题,需要分别从基因组测序实验方法、测序技术平台、组装算法与策略3个方面进行深入研究。本文详细介绍了复杂基因组测序组装相关的现有技术与方法,并结合复杂基因组经典实例介绍了复杂基因组测序的技术解决途径和发展历程,可为制订合适的复杂基因组测序策略提供参考。

基于宏基因组分箱方法揭示房县黄酒加工用小曲中微生物多样性

该研究以房县黄酒加工用小曲为研究对象,使用宏基因组分箱(Binning)技术对其微生物多样性进行解析。在每个样本平均获得148458867条高质量序列,平均测序量为20.74 Gb的基础上发现,硬壁菌门(Firmicutes)、变形菌门(Proteobacteria)和子囊菌门(Ascomycota)为房县黄酒加工用小曲中的优势菌门,累计占比为99.06%;而戊糖片球菌(Pediococcus pentosaceus,24.04%)、食窦魏斯氏菌(Weissella cibaria,18.86%)和融合魏斯氏菌(Weissella confusa,16.15%)等菌种为优势种。该研究通过宏基因组Binning技术从宏基因组序列中共获得8个高质量的宏基因组组装基因组(metagenome assembly genomes,MAGs),分别隶属于硬壁菌门下的5个菌属。此外,通过ANI(average nucleotide identity)分析从高质量MAGs中发现两个疑似的新物种,分别为Weissella sp.和乳杆菌(Lactobacillus sp.)。基因功能注释结果表明,Lactobacillus sp.具有较高的碳水化合物运输和代谢能力,并含有许多独有的碳水化合物运输和代谢基因,可能促进房县黄酒的发酵进程。由此可见,在后续研究中对房县黄酒加工用小曲中蕴含的微生物资源进行挖掘是极为必要的。

鸡[土从]菌基因组测序和比较基因组分析

对采集自四川省内江市东兴区高桥村灌木林的鸡[土从]菌(Termitomyces albuminosus)进行基因组测序、组装、基因功能注释、碳水化合物酶(carbohydrate-active enzyme,CAZy)预测、进化树构建、同源序列比对及简单重复序列(simple sequence repeat,SSR)分子标记开发和PCR扩增验证的研究工作。结果表明:鸡[土从]菌全基因组共存在1.71×10^(3)个蛋白质编码基因,平均长度为1.65×10^(3) bp;CAZy功能注释聚类分析表明,黑腹果蝇(Drosophila melanogaster)、内华达古白蚁(Zootermopsis nevadensis)、面包酵母(Saccharomyces cerevisiae)和裂体吸虫(Schistosoma mansoni)聚类到同一大组,鸡[土从]菌与其他物种聚类到另一大组,且与刺芹侧耳(Pleurotus eryngii)和糙皮侧耳(P.ostreatus)聚类到更小分组;进化树分析表明,蚁巢伞属真菌与常见的栽培食用菌之间存在一定的进化距离,与金针菇(Flammulina velutipes)、猴头菌(Hericium erinaceus)和香菇(Lentinula edodes)的进化距离较近;采用SSR标记对收集的鸡[土从]菌进行分析,发现一地域分布的鸡[土从]菌在遗传上存在较高的相似性。

厚叶木莲(Manglietia pachyphylla)基因组草图

厚叶木莲(Manglietia pachyphylla)为木兰科(Magnoliaceae)木莲属(Manglietia)的木本植物,零星分布于我国广东省和广西壮族自治区,为国家二级重点保护野生植物。了解濒危物种基因组信息及其遗传多样性有助于合理地保护和利用濒危物种,实现濒危物种的解濒和复壮。为此,本研究通过高通量测序方法对厚叶木莲基因组进行测序,并利用测序数据开展厚叶木莲基因组草图的组装;之后,基于组装的基因组预测其中的重复序列和基因,进行系统发育和基因家族分析。结果表明,组装的厚叶木莲基因组大小为2092298891 bp,包含676个组装序列,N50(将组装的序列按照长度由大到小进行累加,当累加到某个序列时,累加的值为基因组50%的长度时,此序列的长度即为N50)为7961115 bp;利用BUSCO(Benchmarking Universal Single Copy Orthologs),针对“eudicots”和“embryophyta”这两个BUSCO单拷贝基因库,对基因组组装的完整性进行评估,组装的厚叶木莲基因组完整性分别为96.6%和98.8%。厚叶木莲基因组有76.5%的序列为重复序列,共有37900个基因,这些基因编码了41675个蛋白质序列。系统发育分析发现厚叶木莲与望春玉兰(Magnolia biondii)聚在一起,两者分化时间大致为10500000年前。厚叶木莲中与木质部/韧皮部、肌动蛋白丝、热、光合作用以及多种次生代谢相关的基因家族显著扩张,其中次生代谢相关基因在厚叶木莲基因组上呈串联和近端重复,这些基因的扩张和重复形成方式可能与厚叶木莲适应高海拔环境有关。本研究是国内外木兰科木莲属首个基因组报道,为更好地保护和开发厚叶木莲及木兰科其他物种的种质资源提供了遗传信息和参考。