病原菌流行病學(xué)研究方案-產(chǎn)品手冊(cè)

1、病原菌流行病學(xué)研究方案華大科技服務(wù)2013 年 5 月目錄1擬解決科學(xué)問(wèn)題12研究背景13研究方案13.13.2整體設(shè)計(jì)1方案特色13.33.43.53.6技術(shù)流程2預(yù)期結(jié)果3預(yù)期交付內(nèi)容與形式3預(yù)期周期33.73.84價(jià)格策略3可行性分析3經(jīng)典案例3參考文獻(xiàn)451擬解決科學(xué)問(wèn)題目前生物信息學(xué)層面上，病原菌流行性研究可以解決的科學(xué)問(wèn)題主要有以下幾點(diǎn)：病原菌最近共同祖先及個(gè)家系時(shí)間推算（溯源）；病原菌有效種群大小相關(guān)的估算（爆發(fā)）；病原菌株系統(tǒng)發(fā)育與地理信息的關(guān)聯(lián)分析（傳播途徑）；毒力或耐藥性在各家系的分布及進(jìn)化機(jī)理（獲得與擴(kuò)散）；病原菌進(jìn)化過(guò)程中的所受到的主要影響（進(jìn)化動(dòng)力）。2研究背景流行原

2、菌是一種可宿主引起的微生物，通?？梢鸲喾N疾病，對(duì)于傳染性較強(qiáng)的細(xì)菌病原菌，可通過(guò)宿主進(jìn)行廣泛的地域；歷史上不少流行病原菌的爆發(fā)導(dǎo)致數(shù)以萬(wàn)計(jì)的人，給人類造成了深重的。全世界范圍內(nèi)，流行原菌種類繁多，廣泛分布，復(fù)發(fā)性強(qiáng)，每年都有新型菌種產(chǎn)生，與人類存亡關(guān)，近年來(lái)關(guān)注度不斷提高，對(duì)流行原菌的研究，可以為生物防治、開(kāi)發(fā)、病原性流行病控制提供科學(xué)依據(jù)。3研究方案3.1 整體設(shè)計(jì)本方案使用新一代高通量技術(shù)，對(duì)客戶提供的具有不同時(shí)間、地理或分型差異的菌株組進(jìn)行分析，通過(guò)全組比較分析，從宏進(jìn)化和微進(jìn)化的角度來(lái)查找菌株或菌群內(nèi)各分支之間的進(jìn)化特征和進(jìn)化的差異所在，并結(jié)合菌株背景信息，推斷一些進(jìn)化上的結(jié)論，從而

3、回答有關(guān)菌株進(jìn)化上，如菌株于什么時(shí)候，在地理上如何，種群數(shù)目如何變化，某毒力或耐藥片段什么時(shí)候獲得、通過(guò)何種方式獲得、在那些分支中有分布，菌株中在進(jìn)化過(guò)程中主要受到那些影響影響，等等。1)研究對(duì)象：流行原菌，樣品集要盡量包含取樣時(shí)間和取樣地域差異，并且涵蓋改菌種盡量多的家系和性狀；如果要進(jìn)行宏進(jìn)化分析還需要加入外群近源菌株。2)：全組比對(duì)，Core-pan genome 分析，組組分分析及其功能分析，SNP、InDel、SV 等變研究異分析、種群結(jié)構(gòu)、進(jìn)化速率、選擇壓力、時(shí)間推斷等進(jìn)化分析，變異或 SV 中的與致力或耐藥的聯(lián)合分析，致力或耐藥在各系統(tǒng)發(fā)育分支中的分布、系統(tǒng)發(fā)育與時(shí)間地理信息的聯(lián)

4、合分析。3.2 方案特色分析點(diǎn)全面，分析范圍廣，分析方法多樣，方案靈活多變適應(yīng)性強(qiáng)；容易有文章產(chǎn)出，科研潛力巨大；還可以根據(jù)客戶所提供病原菌的背景信息，為客戶設(shè)計(jì)代表性菌株選取方案。3.3 技術(shù)流程圖 1 病原菌流行性研究方案功能組分及變異分析在得到組裝序列后，通過(guò)全基因組比對(duì)的分析方法，分析各菌株的基因組異同，并分析各菌株主要的功能成分及功能差異。此外，在菌群變異和分型的分析上，我們采用SNP、InDel、SV 等結(jié)構(gòu)變異分析方法12進(jìn)行研究。病原菌進(jìn)化因素分析在變異分析的基礎(chǔ)上構(gòu)建菌群系統(tǒng)進(jìn)化樹(shù)345，并推斷菌株分歧時(shí)間估算上67，計(jì)算菌群各家系的進(jìn)化速率及選擇壓力8910。結(jié)合菌株背景信

5、息的聯(lián)合分析：通過(guò) SV 與譜系分支之間的關(guān)系，推斷譜系特有片段，并結(jié)合基因組組分分析結(jié)果判斷特有片段屬性，并研究其可能的起源方式；結(jié)合分歧時(shí)間推斷結(jié)果，推斷該分支獲得特異片段的時(shí)間段；結(jié)合基因組組分、毒力及耐藥信息及系統(tǒng)進(jìn)化分析結(jié)果，推斷毒力或耐藥基因在各分支中的分布情況，以及菌株獲得耐藥性或致病性的時(shí)間段及可能的來(lái)源。結(jié)合菌株的時(shí)間和地理信息，推斷病原菌的起源及傳播途徑。通過(guò)對(duì)各種進(jìn)化動(dòng)力因素的分析，探索目標(biāo)病原菌在進(jìn)化過(guò)程中起關(guān)鍵作用的因素，根據(jù)選擇壓力分析結(jié)果，推斷病原菌進(jìn)化趨勢(shì)，并研究其中的正選擇基因的功能，提出其適應(yīng)性進(jìn)化的假設(shè)，并為生物防治或疫苗開(kāi)發(fā)或病原性流行病控制提供參考性的

6、科學(xué)建議。實(shí)驗(yàn)驗(yàn)證：對(duì)于 SNP、InDel、SV 的結(jié)果可以設(shè)計(jì)引物，使用 PCR 擴(kuò)增目標(biāo)片段，并使用 sanger獲得目標(biāo)片段序列，進(jìn)行驗(yàn)證。對(duì)于毒力或耐藥相關(guān)的，可以進(jìn)行敲除和互補(bǔ)實(shí)驗(yàn)，同時(shí)利用 Real-time PCR 對(duì)的表達(dá)量進(jìn)定，從而驗(yàn)證其功能。3.4 預(yù)期結(jié)果菌株分化年代，個(gè)分支時(shí)間，病原菌途徑，毒力或耐藥在各分支中的分布，正選擇及其相應(yīng)功能。3.5 預(yù)期交付內(nèi)容與形式SNP/InDel/SV 統(tǒng)計(jì)結(jié)果，表格形式。各類型 SV 在組上的分布圖、系統(tǒng)發(fā)育樹(shù)、致力或耐藥在譜系中的分布、病原菌途徑，形式。3.6 預(yù)期周期樣品檢測(cè)合格后，30 工作日完成建庫(kù)。信息分析部分，30 工

7、作日起完成。3.7 價(jià)格策略參考價(jià)格為：30 株：20 萬(wàn)級(jí)別；50 株：30 萬(wàn)級(jí)別；100 株：50 萬(wàn)級(jí)別。但如果方案中涉及一些需要投入較多新開(kāi)發(fā)的分析點(diǎn)，相應(yīng)的成本和工作周期會(huì)有所增加，價(jià)格也會(huì)有所。3.8 可行性分析1.方案大部分內(nèi)容源自以文章和大項(xiàng)目經(jīng)驗(yàn)。2.信息分析有豐富的項(xiàng)目經(jīng)驗(yàn)，并按本方案完成過(guò)一些大項(xiàng)目。3.BGI 大有力保障。4經(jīng)典案例途徑11氏菌的進(jìn)化機(jī)制和全球樣本選取：133 株菌，其中采樣 118 株菌（ 103 株來(lái)自鋸齒屬類及其他非靈長(zhǎng)類哺乳動(dòng)物；14 株來(lái)自；1 株來(lái)自人身上的跳蚤），分別來(lái)自中國(guó)，國(guó)，前，馬達(dá)加島；另加 15 株已的氏菌。策略：100 pai

8、r end，cleandata 100X。分析內(nèi)容：1 組裝，core-pan genome，SNP 等變異；2.以假結(jié)核氏菌為外群，構(gòu)建進(jìn)化樹(shù)，研究種間進(jìn)化及地理；3.分子進(jìn)化速率分析。分析結(jié)果：1 新發(fā)現(xiàn)：比之前的研究發(fā)現(xiàn)多了兩個(gè)分支，其中一個(gè)分支中的菌株離古老菌株較近，且只出現(xiàn)，推斷中國(guó)可能是菌發(fā)源地之一；2途徑：a. 西安青海；b. 青海亞州中部/歐洲/南亞/東南亞四個(gè)方向分別；c. 青海高原地區(qū)循環(huán)進(jìn)行的進(jìn)化；3經(jīng)歷了快速的速率變化，每次暴發(fā)進(jìn)化速率就加快，并產(chǎn)生一個(gè)較大的分支；4菌不易接受外源，交流也很少。5參考文獻(xiàn)1 Li, Ruiqiang, et al. De novo as

9、sembly of human genomes with massively parallel short read sequencing. Genomeresearch 20.2 (2010): 265-272.2 Li, Yingrui, et al. Structural variationwo human genomes mapped at single-nucleotide resolution by wholegenome de novo assembly. Nature biotechnology 29.8 (2011): 723-730.3 Guindon S, Gascuel

10、 O. A simple, fast, and accurate algorithm to estimate large phylogenies byumlikelihoodJ. Systematic biology, 2003, 52(5): 696-704.4 Guindon S, Dufayard J F, Lefort V, et al. New algorithms and methods to estimateum-likelihoodphylogenies: assessing the performance of PhyML 3.0J. Systematic biology,

11、2010, 59(3): 307-321.5 Huelsenbeck J P, Ronquist F. MRBAYES: Bayesian inference of phylogenetic treesJ. Bioinformatics, 2001, 17(8):754-755.6 Benton M J, Donoghue P C J. Paleontological evidence to date the tree of lifeJ. Molecular biology and evolution,2007, 24(1): 26-53.7 Thorne J L, Kishino H, Pa

12、er I S. Estimating the rate of evolution of the rate of molecular evolutionJ. MolecularBiology and Evolution, 1998, 15(12): 1647-1657.8Z. PAML 4: phylogeneticysis byum likelihoodJ. Molecular biology and evolution, 2007, 24(8):1586-1591.9 Johnson J B, Omland K S. Mselection in ecology and evolutionJ. Trends in ecology & evolution, 2004,19(2): 101-108.10ada D, Buckley T R. Mselection and maveraging in phylogenetics: advantages of Akaike informationcriterion and Bayesian approaches over likelihood ratio testsJ. Systematic b