宏基因組學(xué)分析一講義

組學(xué)分析（一 組研究概 組數(shù)據(jù)質(zhì) 組組 預(yù) 組物種注 組功能注 組研究概 組數(shù)據(jù)質(zhì) 組組 預(yù) 組概AntonivanLeeuwenhoekLouisPasteur RobertKoch 組學(xué)（Metagenomics，又稱 組），最早由 組學(xué)（Metagenomics，又稱 組），最早由 研究對(duì)象：環(huán)境樣品中的微生物群 研 ：高通 和功 篩研究目的：微生物多樣性、種群結(jié)構(gòu)、進(jìn)化關(guān)系 功能性、相互協(xié)作關(guān)系 表達(dá)與環(huán)境之間的關(guān) Q20、N50、諾禾 組實(shí)驗(yàn)上機(jī)流 組研究概 組數(shù)據(jù)質(zhì) 組組 預(yù) 組數(shù)據(jù)質(zhì)基本概

質(zhì)控結(jié)?常用格

去Ns堿去宿 read GCcontent：GC Removehost在NCBI中搜索宿主（或近緣物種） 在NCBI中搜索宿主（或近緣物種） 目 組序質(zhì)量值<=20的含量較數(shù)據(jù)優(yōu)堿基含量分布正常，AT%，GC%，N 樣品名插入片段大策下機(jī)始數(shù)（M）有效數(shù)據(jù)（M）Q20百分Q30百分比GC含量有效百分比FASTX-NGSQC

組研究概 組數(shù)據(jù)質(zhì) 組組 預(yù) 組組基本概

基本

基本…

基本ContigScaffold

基本概念具有指定長(zhǎng)度為K(suchasK=15)的DNAKmer種類：假設(shè)K=15，共有4種堿基型，則共有415種Kmer個(gè)數(shù)：沿著read每走1bp取1個(gè)Kmer。可以得到Kmer的總數(shù)：N=L-假設(shè)read長(zhǎng)為31bp，K=15，一共可以產(chǎn)生31-15+1=17個(gè) 基本概念基本概念基本概念Scaffold：通過使用具有paired-end關(guān)系的reads對(duì)Contig進(jìn)行Gap：序列中未確定的區(qū)域，通常用N或n表示 基本概念將組裝得到的scaffold從N連接處打斷，得到不含N的序列片段稱為 組組裝簡(jiǎn)單示意 DeBrujin圖算法（DeBrujingraph ：：DeBrujin圖算法deBrujinAssembly 2222

??Clippedtheshorttipsthathadlengthslessthan2Kmers(50bpKmers=25)inthegraph.Filteredlow-coverageUsingreadpathinformation,resolvedtinyMerge??? a e e StoreStorethekmersofcontiginahash,usekmeraskey,contigidandpositionasvalues.

PEreadsmappedtoFInsertF

PEreadsmappedtotwocontigsonthesamestandRR

Mapsdirectlyonthereferencesequence,denoteasMapsreverselyandcomplementarilyonthereferencedenoteas1、read1與參考序列直接匹配2、F表示上游；R表示下 read1

read1 read11

2

read11

2Note:contig1andcontig2aretheoriginalcontigs,contig1’andcontig2’arereverseandcomplementaryAreliablelinkwillbebuiltbetweentwocontigs,whenthereare>=3pair-endreadssupport.Besidescontigorderanddirection,thegapsizecanalsobeestimatedfromtheinsertsizeandmap positionofeachreadpair.SmallGapFillFillthesmallgapbysingleLongGapFillFillthelonggapbypair-end樣品名稱Scaftigs總長(zhǎng)Scaftigs總條數(shù)Scaftigs平均長(zhǎng)度N50N90Scaftigs最長(zhǎng)值 常用組基于OLC原理構(gòu)建Contig：

基于DBG原理構(gòu)建 其它 Reads,Length100UsethesamewaytogetKmers,onereadcangenerateL-K+1Kmers(100-69+1=32).如果總 條數(shù)為N，read的長(zhǎng)度為L(zhǎng)，kmer的總個(gè)數(shù)為那么：n=（L-當(dāng)，k6（-6）NN；當(dāng)，k6（-6）NN；因此，增加read的長(zhǎng)度，能夠有效提升kmer利用率以及的深度，更利于組裝；還能減少gap數(shù)量，使組裝結(jié)果更完 組研究概 組數(shù)據(jù)質(zhì) 組組 預(yù) 預(yù)?…

基本原基本常用

預(yù)測(cè)結(jié)Gff文結(jié)果展基本概念有遺傳效應(yīng)的 段，控制生物性狀的 位結(jié)基本概念2：CDSVSCDS（Codingsequence）：編碼一段蛋白產(chǎn)物的序ORF（OpenReadingFrame）由編碼氨基酸的三。組成的連續(xù)DNA序列，由起 子開始，終 子終。-Usuallydeterminedfrom andthusareknowntobecodingfor-ThebasesequenceisdetermineddirectlyfromDNA,not Theyarepotentiallycodingforsomething,butnoconfirmedthatactuallydooraretranscribed translationtranscription是事實(shí)存在基本概念3：其 組組rRNA（ribosomalsRNA（small串聯(lián)重復(fù)序列：小DNA，微?同源預(yù)測(cè)： 常 預(yù)測(cè)軟MetaGeneandGeneMarkand 基本原理一：同源預(yù)測(cè)（Similaritybasedmethods，evidenced-method,homologybasedusehomologysearchestofindgenessimilartothoseobserved 能夠預(yù)測(cè)出在referencedatabases預(yù)測(cè)依賴于已知 信不能發(fā)現(xiàn)novelor 基本原理二：從頭預(yù)測(cè)（AbBasedonintrinsicfeaturesoftheDNAsequencetodifferentiatebetweencodingregionsofasequencefromnon-codingregions.(statisticalmodels)采用的features包括：codonusagestart/stopcodonpatternsandso 基本原理二：從頭預(yù)測(cè)（AbThehiddenMarkovmodelsSupportvectorGlimmer-Artificialneuralnetworks(ANN): 預(yù)測(cè)軟件—MetaGeneandStatisticalmodelsofbacterial,archaeaandprophageFeatures:GCcontentandthedi-codonVerysensitivemethod(overOnlyworkswithreadsthatareofatleast100MetaGeneAnnotator(MGA)AnextensionofFeatures:AddingribosomalbindingsiteSlightlymoreaccuratethanMetaGeneonfragmented 預(yù)測(cè)軟件—BasedonFeatures:integratescodonusagebias,sequencingerrormethodsandstart/stopcodonpatterns.Takesintoaccountsequencingerrors,showntoimprovethetruegenepredictionRhoM,TangH,YeY.FragGeneScan:predictinggenesinshortanderror-pronereads[J].Nucleicacidsresearch,2010,38(20):e191-e191.，CDSORFMetaGeneandGeneMarkand 預(yù) 是Sanger 行描述的一種數(shù)據(jù)格式,已經(jīng)成為序列注釋的通用格式,比如序列的哪里到哪里是已經(jīng)成為序列注釋的通用格式，GFF格式舉例如下:.-0.-03.+0.+0.-0.+0“seqid”序列的編號(hào),編號(hào)的有效字符有[a-zA-Z0-9.:^x!+_?-,- 0.95）進(jìn)行聚類，選取代表性序列作為UniqueGenes ，然后統(tǒng)計(jì)各個(gè)UniqueGene比對(duì)上的reads數(shù)目，并計(jì)算得到UniqueGenes在各統(tǒng)計(jì)各樣品中，UniqueScaftigs比對(duì)上的reads綜合得到各樣品 豐度信息 豐度統(tǒng)0600000000000000000000預(yù)測(cè)基本概預(yù)測(cè)基本原預(yù)測(cè)常用軟預(yù)測(cè)基本過程及結(jié)軟件安組裝測(cè)ovo2