測序總結，高通量測序名詞

標籤：mil   擴充   epo   一般來說   使用   密度   共用   預測   col   

主要來自 ：http://mp.weixin.qq.com/s/iTnsYajtHsbieGILGpUYgQ

測序的黃金標準：一代測序了，故稱之為黃金測序。

高通量測序最近這幾年很火越來越火，但是世界上更多的還是一幫天天做分子複製、養細胞、養細菌、雜蛋白的生物學家，究其原因Sanger測序還是測序屆的金標準，由於精確度高於2、3代測序且保持大白菜價格使之地位穩固。

應用範圍:De Novo測序、重測序: 如突變檢測、SNPs、插入、缺失複製產物驗證、比較基因組、分型: 如微生物和真菌評鑑、HLA分型、病毒分型

其它: 如甲基化分析（重亞硫酸鹽測序）和SAGE（基因表達串聯分析）方法

臨床應用：腫瘤突變基因的檢測和腫瘤個體化治療。

 

C值：是指真核生物細胞中,單倍細胞核(受精卵或二倍體體細胞中的一半量)裡所擁有的DNA含量

正義鏈：又稱編碼鏈，DNA雙鏈中與RNA序列一致（T替代U之後）的單鏈序列，。與mRNA核苷酸序列相同的那條鏈(U代替T),稱編碼鏈或正義鏈.
反義鏈：又稱模板鏈，DNA雙鏈中按堿基配對規律能 指引轉錄產生RNA的一股單鏈,
作用機制:兩條互補的DNA鏈其中一條攜帶編碼蛋白質資訊,稱為正義鏈,另一條與之互補的稱為反義鏈。
反義核酸技術:DNA或RNA結構中含編碼序列的鏈被稱為正義鏈,與之相配對的鏈則叫做反義鏈。反義核酸(RNA和DNA)是和它們的靶基因相互補的。

 

三、二代測序相關的名詞解釋

 

高通量測序時，在晶片上的每個反應，會讀出一條序列，是比較短的，叫read，它們是未經處理資料； 有很多reads通過片段重疊，能夠組裝成一個更大的片段，稱為contig； 多個contigs通過片段重疊，組成一個更長的scaffold； 一個contig被組成出來之後，評鑑發現它是編碼蛋白質的基因，就叫singleton； 多個contigs組裝成scaffold之後，評鑑發現它編碼蛋白質的基因，叫unigene。一個UniGene不一定代表一個contig，一個UniGene可有多個contig

consensus sequence：共有序列或者一致序列，比對功能相同的序列，並將每一位點上出現頻率最高的堿基或者氨基酸排列在一起形成的理想序列。

Ion Torrent Personal Genome Machine（PGM）

單分子即時（Single Molecular Real Time，SMRT）DNA測序技術

這樣就實現了“邊合成邊測序（Sequencing By Synthesis，SBS）”，如454、Illumina、Ion Torrent等測序技術；或者“邊串連邊測序（Sequencing By Ligation，SBL）”，如SOLiD技術。

增強子:是一種能夠提高轉錄效率的順式調控元件，最早是在SV40病毒中發現的長約200bp的一段DNA，可使旁側的基因轉錄提高100倍，其後在多種真核生物，甚至在原核生物中都發現了增強子。增強子通常佔100～200bp長度，也和啟動子一樣由若干組件構成，基本核心組件常為8～12bp，可以單拷貝或多拷貝串聯形式存在。

什麼是Segment duplication？  一般稱為SD地區，串聯重複是由序列相近的一些DNA片段串聯組成。串聯重複在人類基因多樣性的靈長類基因中發揮重要作用。在人類染色體Y和22號染色體上，有很大的SD序列。

CpG島個數：人類基因組序列草圖分析結果表明，人類基因組CpG島約為28890個，大部分染色體每1 Mb就有5—15個CpG島，平均值為每Mb含10．5個CpG島，CpG島的數目與基因密度有良好的對應關係。由於DNA甲基化與人類發育和腫瘤疾病的密切關係，

DNA甲基化（DNA methylation）為DNA化學修飾的一種形式，能在不改變DNA序列的前 提下，改變遺傳表觀。 DNA甲基化在維持細胞正常功能、傳遞基因組印記，胚胎髮育、腫瘤發生等方面發揮重要作用，目前已經成為表觀遺傳學和表觀基因體學的研究熱點。

 

基因組是如何組裝的？ 一般來說，針對以Illumina Gemone Analyzer測序結果為主的組裝策略如下：

    （1）先利用短序列組裝軟體對paired-end資料進行de novo拼接，組裝成contigs，這個階段一般需要提供高覆蓋度的paired-end測序資料，需要耗費大量的電腦記憶體，這也是基因組組裝最困難的一步；

    （2）逐步加入長插入片段的mate-pair資料搭建scaffold，一般來說，mate-pair的測序深度不會太高，通過mate-pair雙端距離資訊，把contigs串連成更大的scaffold；

    （3）複查paired-end和mate-paired插入片段長度資訊，填補gap；

    （4）有時候會加入454的資料，會對填補gap和延長contigs起到很大的協助作用。

 

什麼是高通量測序？

 

高通量測序技術（High-throughputsequencing，HTS）是對傳統Sanger測序（稱為一代測序技術）革命性的改變, 一次對幾十萬到幾百萬條核酸分子進行序列測定, 因此在有些文獻中稱其為下一代測序技術(next generation sequencing，NGS )足見其劃時代的改變, 同時高通量測序使得對一個物種的轉錄組和基因組進行細緻全貌的分析成為可能, 所以又被稱為深度測序(Deep sequencing)。

 

什麼是基因組重測序（Genome Re-sequencing）

 

全基因組重測序是對基因組序列已知的個體進行基因組測序，並在個體或群體水平上進行差異性分析的方法。隨著基因組測序成本的不斷降低，人類疾病的致病突變研究由外顯子領域擴大到全基因組範圍。通過構建不同長度的插入片段文庫和短序列、雙末端測序相結合的策略進行高通量測序，實現在全基因組水平上檢測疾病關聯的常見、低頻、甚至是罕見的突變位點，以及結構變異等，具有重大的科研和產業價值。

 

什麼是de novo測序

 

de novo測序也稱為從頭測序：其不需要任何現有的序列資料就可以對某個物種進行測序，利用生物資訊學分析手段對序列進行拼接，組裝，從而獲得該物種的基因組圖譜。獲得一個物種的全基因組序列是加快對此物種瞭解的重要捷徑。隨著新一代測序技術的飛速發展，基因組測序所需的成本和時間較傳統技術都大大降低，大規模基因組測序漸入佳境，基因體學研究也迎來新的發展契機和革命性突破。利用新一代高通量、高效率測序技術以及強大的生物資訊分析能力，可以高效、低成本地測定並分析所有生物的基因組序列。

 

什麼是外顯子測序（whole exon sequencing，WES）

 

外顯子組測序是指利用序列捕獲技術將全基因組外顯子領域DNA捕捉並富集後進行高通量測序的基因組分析方法。外顯子測序相對於基因組重測序成本較低，對研究已知基因的SNP、Indel等具有較大的優勢，但無法研究基因組結構變異如染色體斷裂重組等。

 

什麼是mRNA測序 （RNA-seq）

 

轉錄組學（transcriptomics）是在基因體學後新興的一門學科，即研究特定細胞在某一功能狀態下所能轉錄出來的所有RNA（包括mRNA和非編碼RNA）的類型與拷貝數。Illumina提供的mRNA測序技術可在整個mRNA領域進行各種相關研究和新的發現。mRNA測序不對引物或探針進行設計，可自由提供關於轉錄的客觀和權威資訊。研究人員僅需要一次實驗即可快速產生完整的poly-A尾的RNA完整序列資訊，並分析基因表達、cSNP、全新的轉錄、全新異構體、剪接位點、等位基因特異性表達和罕見轉錄等最全面的轉錄組資訊。簡單的樣品製備和資料分析軟體支援在所有物種中的mRNA測序研究。

 

什麼是small RNA測序

 

SmallRNA（micro RNAs、siRNAs和 pi RNAs）是生命活動重要的調控因子，在基因表達調控、生物個體發育、代謝及疾病的發生等生理過程中起著重要的作用。Illumina能夠對細胞或者組織中的全部Small RNA進行深度測序及定量分析等研究。實驗時首先將18-30 nt範圍的Small RNA從總RNA中分離出來，兩端分別加上特定接頭後體外反轉錄做成cDNA再做進一步處理後，利用測序儀對DNA片段進行單向末端直接測序。通過Illumina對Small RNA大規模測序分析，可以從中獲得物種全基因組水平的miRNA圖譜，實現包括新miRNA分子的挖掘，其作用靶基因的預測和評鑑、樣品間差異表達分析、miRNAs聚類和表達譜分析等科學應用。

 

什麼是miRNA測序

 

成熟的microRNA（miRNA）是17~24nt的單鏈非編碼RNA分子，通過與mRNA相互作用影響目標mRNA的穩定性及翻譯，最終誘導基因沉默，調控著基因表達、細胞生長、發育等生物學過程。基於第二代測序技術的microRNA測序，可以一次性獲得數百萬條microRNA序列，能夠快速評鑑出不同組織、不同發育階段、不同疾病狀態下已知和未知的microRNA及其表達差異，為研究microRNA對細胞進程的作用及其生物學影響提供了有力工具。

 

什麼是Chip-seq

 

染色質免疫共沉澱技術（ChromatinImmunoprecipitation，ChIP）也稱結合位點分析法，是研究體內蛋白質與DNA相互作用的有力工具，通常用於轉錄因子結合位點或組蛋白特異性修飾位點的研究。將ChIP與第二代測序技術相結合的ChIP-Seq技術，能夠高效地在全基因組範圍內檢測與組蛋白、轉錄因子等互作的DNA區段。

ChIP-Seq的原理是：首先通過染色質免疫共沉澱技術（ChIP）特異性地富集與目的蛋白結合的DNA片段，並對其進行純化與文庫構建；然後對富集得到的DNA片段進行高通量測序。研究人員通過將獲得的數百萬條序欄標籤精確定位到基因組上，從而獲得全基因組範圍內與組蛋白、轉錄因子等互作的DNA區段資訊。

 

什麼是CHIRP-Seq

 

CHIRP-Seq( Chromatin Isolationby RNA Purification )是一種檢測與RNA綁定的DNA和蛋白的高通量測序方法。方法是通過設計生物素或鏈黴親和素探針，把目標RNA拉下來以後，與其共同作用的DNA染色體片段就會附在到磁珠上，最後把染色體片段做高通量測序，這樣會得到該RNA能夠結合到在基因組的哪些地區，但由於蛋白測序技術不夠成熟，無法知道與該RNA結合的蛋白。

 

什麼是RIP-seq

 

RNA Immunoprecipitation是研究細胞內RNA與蛋白結合情況的技術，是瞭解轉錄後調控網路動態過程的有力工具，能協助我們發現miRNA的調節靶點。這種技術運用針對目標蛋白的抗體把相應的RNA-蛋白複合物沉澱下來，然後經過分離純化就可以對結合在複合物上的RNA進行測序分析。

RIP可以看成是普遍使用的染色質免疫沉澱ChIP技術的類似應用，但由於研究對象是RNA-蛋白複合物而不是DNA-蛋白複合物，RIP實驗的最佳化條件與ChIP實驗不太相同（如複合物不需要固定，RIP反應體系中的試劑和抗體絕對不能含有RNA酶，抗體需經RIP實驗驗證等等）。RIP技術下遊結合microarray技術被稱為RIP-Chip，協助我們更高通量地瞭解癌症以及其它疾病整體水平的RNA變化。

 

什麼是CLIP-seq

 

CLIP-seq,又稱為HITS-CLIP，即紫外交聯免疫沉澱結合高通量測序(crosslinking-immunprecipitationand high-throughput sequencing), 是一項在全基因組水平揭示RNA分子與RNA結合蛋白相互作用的革命性技術。其主要原理是基於RNA分子與RNA結合蛋白在紫外照射下發生耦聯，以RNA結合蛋白的特異性抗體將RNA-蛋白質複合體沉澱之後，回收其中的RNA片段，經添加接頭、RT-PCR等步驟，對這些分子進行高通量測序，再經生物資訊學的分析和處理、總結，挖掘出其特定規律，從而深入揭示RNA結合蛋白與RNA分子的調控作用及其對生命的意義。

 

什麼是染色體構象捕獲技術

 

3C 通常是用啟動子或者某一個基因或者基因組某一個短的片段在鄰近的幾十kb或者幾百kb基因組掃描可以獲得相互作用地區。由於實驗需要特異性引物，因而實驗室相當費力的，且檢測範圍小。

 

4C同3C一樣做單位點的檢測，但其檢測擴充到了整個基因組上。主要是引入了反向PCR，因而只需要對這一單一位點設計引物即可。

 

5C 做兩個大片段之間相互作用點的檢測，可以達到10Mb水平。其仍需使用引物，且引物設計是其技術的痛點。

 

Hi-C 可以實現基因組對基因組水平的檢測，但是獲得高精度需要非常大的測序深度

 

ChIA-PET標在於特定的蛋白因子及其相關聯的染色質相互作用。該技術將配對末端標籤測序技術與ChIP相結合，對富集了某種蛋白質的DNA 片段進行交聯， 可以測定全基因組範圍的特定轉錄因子參與的染色質遠程互動作用， 從而可以呈現高特異性和高解析度的染色質相互作用。

 

什麼是Hi-C輔助基因組組裝

 

Hi-C輔助基因組組裝是指在已有二代或三代或光學圖譜輔助組裝的Draft genome序列和已知染色體數目的前提下，利用Hi-C測序資料將Draft genome序列進行染色體群組的劃分，並確定各序列在染色體上的順序和方向，使基因組組裝組裝水平提升到染色體水平的技術。

 

什麼是metagenomic（宏基因組）

 

Magenomics研究的對象是整個微生物群落。相對於傳統單個細菌研究來說，它具有眾多優勢，其中很重要的兩點：(1) 微生物通常是以群落方式共生於某一小生境中，它們的很多特性是基於整個群落環境及個體間的相互影響的，因此做Metagenomics研究比做單個個體的研究更能發現其特性；(2)Metagenomics研究無需分離單個細菌，可以研究那些不能被實驗室分離培養的微生物。

宏基因組是基因體學一個新興的科學研究方向。宏基因體學（又稱元基因體學，環境基因體學，生態基因體學等），是研究直接從環境樣本中提取的基因組遺傳物質的學科。傳統的微生物研究依賴於實驗室培養，宏基因組的興起填補了無法在傳統實驗室中培養的微生物研究的空白。過去幾年中，DNA測序技術的進步以及測序通量和分析方法的改進使得人們得以一窺這一未知的基因組科學領域。

 

什麼是SNP、SNV（單核苷酸位點變異）

 

單核苷酸多態性singlenucleotide polymorphism，SNP 或單核苷酸位點變異SNV。個體間基因組DNA序列同一位置單個核苷酸變異(替代、插入或缺失)所引起的多態性。同一物種、不同個體基因組DNA序列同一位置上的單個核苷酸存在差別的現象。有這種差別的基因座、DNA序列等可作為基因組作圖的標誌。人基因組上平均約每1000個核苷酸即可能出現1個單核苷酸多態性的變化，其中有些單核苷酸多態性可能與疾病有關，但可能大多數與疾病無關。單核苷酸多態性是研究人類家族和動植物品系遺傳變異的重要依據。在研究癌症基因組變異時，相對於正常組織，癌症中特異的單核苷酸變異是一種體細胞突變（somatic mutation），稱做SNV。

 

什麼是INDEL (基因組小片段插入）

基因組上小片段（>50bp）的插入或缺失，形同SNP/SNV。

 

什麼是copy number variation（CNV）：基因組拷貝數變異

基因組拷貝數變異是基因組變異的一種形式，通常使基因組中大片段的DNA形成非正常的拷貝數量。例如人類正常染色體拷貝數是2，有些染色體地區拷貝數變成1或3，這樣，該地區發生拷貝數缺失或增加，位於該地區內的基因表達量也會受到影響。如果把一條染色體分成A-B-C-D四個地區，則A-B-C-C-D/A-C-B-C-D/A-C-C-B-C-D/A-B-D分別發生了C地區的擴增及缺失，擴增的位置可以是連續擴增如A-B-C-C-D也可以是在其他位置的擴增，如A-C-B-C-D。

 

什麼是structure variation（SV）：基因組結構變異

染色體結構變異是指在染色體上發生了大片段的變異。主要包括染色體大片段的插入和缺失（引起CNV的變化），染色體內部的某塊地區發生翻轉顛換，兩條染色體之間發生重組（inter-chromosometrans-location）等。一般SV的展示利用Circos軟體。

 

什麼是Segment duplication

一般稱為SD地區，串聯重複是由序列相近的一些DNA片段串聯組成。串聯重複在人類基因多樣性的靈長類基因中發揮重要作用。在人類染色體Y和22號染色體上，有很大的SD序列。

 

什麼是genotype and phenotype

既基因型與表型；一般指某些單核苷酸位點變異與表現形式間的關係。

 

什麼是Read?

高通量測序平台產生的短序列就稱為reads。PE125，就是讀長為125bp雙端測序。

 

什麼是Contig?

拼接軟體基於reads之間的overlap區，拼接獲得的序列稱為Contig（重疊群），無N

 

什麼是Scaffold?

基因組de novo測序，通過reads拼接獲得Contigs後，往往還需要構建454 Paired-end庫或Illumina Mate-pair庫，以獲得一定大小片段（如3Kb、6Kb、10Kb、20Kb）兩端的序列。基於這些序列，可以確定一些Contig之間的循序關聯性，這些先後順序已知的Contigs組成Scaffold（含有N）。

 

什麼是Contig N50？

Reads拼接後會獲得一些不同長度的Contigs。將所有的Contig長度相加，能獲得一個Contig總長度。然後將所有的Contigs按照從長到短進行排序，如獲得Contig 1，Contig 2，Contig 3...………Contig 25。將Contig按照這個順序依次相加，當相加的長度達到Contig總長度的一半時，最後一個加上的Contig長度即為Contig N50。舉例：Contig 1+Contig 2+ Contig 3+Contig4=Contig總長度*1/2時，Contig 4的長度即為Contig N50。Contig N50可以作為基因組拼接的結果好壞的一個判斷標準。

 

什麼是Scaffold N50？

Scaffold N50與Contig N50的定義類似。Contigs拼接組裝獲得一些不同長度的Scaffolds。將所有的Scaffold長度相加，能獲得一個Scaffold總長度。然後將所有的Scaffolds按照從長到短進行排序，如獲得Scaffold 1，Scaffold 2，Scaffold 3...………Scaffold 25。將Scaffold按照這個順序依次相加，當相加的長度達到Scaffold總長度的一半時，最後一個加上的Scaffold長度即為Scaffold N50。舉例：Scaffold 1+Scaffold 2+Scaffold 3 +Scaffold 4 +Scaffold 5=Scaffold總長度*1/2時，Scaffold 5的長度即為Scaffold N50。Scaffold N50可以作為基因組拼接的結果好壞的一個判斷標準。

 

什麼是測序深度和覆蓋度？

測序深度是指測序得到的總堿基數與待測基因組大小的比值。假設一個基因大小為2M，測序深度為10X，那麼獲得的總資料量為20M。覆蓋度是指測序獲得的序列占整個基因組的比例。由於基因組中的高GC、重複序列等複雜結構的存在，測序最終拼接組裝獲得的序列往往無法覆蓋有所的地區，這部分沒有獲得的地區就稱為Gap。例如一個細菌基因組測序，覆蓋度是98%，那麼還有2%的序欄區域是沒有通過測序獲得的。

 

什麼是RPKM、FPKM

RPKM,Reads Per Kilobase of exon model per Million mapped reads, is defined in thisway [Mortazavi etal., 2008]:

每1百萬個map上的reads中map到外顯子的每1K個堿基上的reads個數。

假如有1百萬個reads映射到了人的基因組上，那麼具體到每個外顯子呢，有多少映射上了呢，而外顯子的長度不一，那麼每1K個堿基上又有多少reads映射上了呢，這大概就是這個RPKM的直觀解釋。

如果對應特定基因的話，那麼就是每1000000 mapped到該基因上的reads中每kb有多少是mapped到該基因上的exon的read

 

Total exon reads

This is the number in the column with header Total exonreads in the rowfor the gene. This is the number of reads that have beenmapped to a region inwhich an exon is annotated for the gene or across theboundaries of two exons oran intron and an exon for an annotated transcript ofthe gene. For eukaryotes,exons and their internal relationships are defined byannotations of type mRNA.映射到外顯子上總的reads個數。這個是映射到某個地區上的reads個數，這個地區或者是已知注釋的基因或者跨兩個外顯子的邊界或者是某個基因已經注釋的轉錄本的內含子、外顯子。對於真核生物來說，外顯子和它們自己內部的關係由某類型的mRNA來注釋。

 

Exonlength:

This is the number in the column with theheader Exon length inthe row for the gene, divided by 1000. This is calculatedas the sum of thelengths of all exons annotated for the gene. Each exon isincluded only once inthis sum, even if it is present in more annotatedtranscripts for the gene.Partly overlapping exons will count with their fulllength, even though theyshare the same region.外顯子的長度。計算時，計算所有某個基因已注釋的所有外顯子長度的總和。即使某個基因以多種注釋的轉錄本呈現，這個外顯子在求和時只被包含一次。即使部分重疊的外顯子共用相同的地區，重疊的外顯子以其總長來計算。

 

Mapped reads

The sum of all the numbers in the column with header Totalgenereads. The Total gene reads for a gene is the total number ofreads that aftermapping have been mapped to the region of the gene. Thus thisincludes all thereads uniquely mapped to the region of the gene as well asthose of the readswhich match in more places (below the limit set in thedialog in figure 18.110) that have been allocated tothis gene‘s region. Agene‘s region is that comprised of the flanking regions(if it was specified infigure 18.110), the exons, the introns andacross exon-exonboundaries of all transcripts annotated for the gene. Thus,the sum of the totalgene reads numbers is the number of mapped reads for thesample (you can findthe number in the RNA-Seq report).map的reads總和。映射到某個基因上的所有reads總數。因此這包含所有的唯一映射到這個地區上的reads。

舉例：比如對應到該基因的read有1000個，總reads個數有100萬，而該基因的外顯子總長為5kb，那麼它的RPKM為：10^9*1000(reads個數)/10^6(總reads個數)*5000(外顯子長度)=200或者：1000(reads個數)/1(百萬)*5(K)=200這個值反映基因的表達水平。

 

FPKM(fragmentsper kilobase of exon per million fragments mapped)

FPKM與RPKM計算方法基本一致。不同點就是FPKM計算的是fragments，而RPKM計算的是reads。Fragment比read的含義更廣，因此FPKM包含的意義也更廣，可以是pair-end的一個fragment，也可以是一個read。

 

什麼是轉錄本重構

用測序的資料群組裝成轉錄本。有兩種組裝方式：1，de-novo構建； 2，有參考基因組重構。其中de-novo組裝是指在不依賴參考基因組的情況下，將有overlap的reads串連成一個更長的序列，經過不斷的延伸，拼成一個個的contig及scaffold。常用工具包括velvet，trans-ABYSS，Trinity等。有參考基因組重構，是指先將read貼回到基因組上，然後在基因組通過reads覆蓋度，junction位點的資訊等得到轉錄本，常用工具包括scripture、cufflinks。

 

什麼是表達譜

基因表達譜(geneexpression profile)：指通過構建處於某一特定狀態下的細胞或組織的非偏性cDNA文庫,大規模cDNA測序,收集cDNA序列片段、定性、定量分析其mRNA群體組成,從而描繪該特定細胞或組織在特定狀態下的基因表達種類和丰度資訊,這樣編製成的資料表就稱為基因表達譜

 

什麼是比較基因體學

比較基因體學(ComparativeGenomics)是基於基因組圖譜和測序基礎上，對已知的基因和基因組結構進行比較，來瞭解基因的功能、表達機理和物種進化的學科。利用模式生物基因組與人類基因組之間編碼順序上和結構上的同源性，複製人類疾病基因，揭示基因功能和疾病分子機制，闡明物種進化關係，及基因組的內在結構。

 

什麼是基因組注釋

基因組注釋(Genomeannotation) 是利用生物資訊學方法和工具,對基因組所有基因的生物學功能進行高通量注釋,是當前功能基因體學研究的一個熱點。基因組注釋的研究內容包括基因識別和基因功能注釋兩個方面。基因識別的核心是確定全基因組序列中所有基因的確切位置。

四、主要注意問題

1.建庫

將基因組序列採用鳥槍法打碎——俗稱建庫，然後採用凝膠電泳的方式將不同長度的片段分離，比如現在建庫，短庫一般建180bp，200bp或者300bp等。這裡的180 和300 就是測序片段的長度。當然因為測序儀的讀長是固定的，比如110，125，或者450等。公司現在採用的是220bp文庫，讀長為125bp，因為是雙端測序，因此會有30bp的overlap區（這些是後期利用allpath-lg組裝的必要條件）。

2.過濾

3.評估

做完這些資料處理之後，一般還要對插入片段的評估。插入片段其實就是文庫的大小。比如300bp的文庫，插入片段就是300bp，但是我們都應該知道在目前的測序水平下，難免會有失誤和誤差，誤差導致的後果是雖然插入片段是300bp，但是只能是平均值是300bp，存在一個方差，大概在幾十bp左右。通常誤差我們是可以接受的，而對於失誤，我們就要把它給找出來，如果插入片段，嚴重偏離300bp，那麼就意味著建庫失敗。通常我們採用的檢驗方法是將資料進行基因組組裝，組裝之後進行soap比對，然後畫出比對的效率圖。有人會問了難道只能組裝完之後才能進行插入片段評估嗎？我不知道其他的方式，只能說莫須有。

4 第三代測序技術

第三代測序技術是指單分子測序技術。DNA測序時，不需要經過PCR擴增，實現了對每一條DNA分子的單獨測序。第三代測序技術也叫從頭測序技術，即單分子即時DNA測序。

主要包括單分子熒光技術，也就是不需要擴增，每一個分子顯示一種光，然後即時去監控，去讀取。因此這裡如何構建一個環境，讓核酸分子單獨發光，去識別是技術痛點。

目前三代資料主要應用在科研市場的兩個方向上，第一個是基因組的組裝，另一個就是全長轉錄組。

1.錯誤修正 

第一個就是由於三代資料的隨機錯誤很多，因此對資料進行錯誤修正是繞不過去的，介紹兩款軟體，一款是pacbioToCa，一款是ectool。一個是利用二代資料錯誤修正，一個是利用contig進行錯誤修正。

 2.組裝 

第二個軟體就是三代資料的組裝，推薦celera Assembly。當然肯定還有其他的牛X的軟體因此我們很難拿到。對了，多一句嘴，官網說單獨用三代組裝的話，深度要到40x。

 3.混拼 

第三個軟體是混拼，也就是二代資料和三代資料一起組裝。軟體為，不廢話，官網要求深度為20x。

 4.補洞 

第四個軟體是我喜歡的，就是利用三代資料的長片段來填補二代資料群組裝完的gao和串連contig為scaffold。推薦軟體PBjerry。官網要求深度為5X。

 

5 納米孔測序技術

測序總結，高通量測序名詞