Toggle navigation
Home
Genomics
Python
Linux
Visualization
Statistics
MachineLearning
Reading
Other
About
Home
>
Reading
> Main text
高通量测序与高性能计算-1-测序技术发展
Tag:
reading
,
genomics
2018-05-13
人类基因组计划(
HGP
)启动于1990年,6个国家(美国,英国,日本,法国,德国和中国【唯一发展中国家】)的16个研究中心参与,整体计划于2003年完成(中国负责的1%是2001年提前两年完成)。与曼哈顿原子弹计划、阿波罗登月计划称为自然科技史上的“三大计划”。
HGP的完成主要基于Sanger测序方法。
发展中的DNA测序技术:
自动测序仪
毛细管凝胶电泳测序技术
杂交测序技术
基因芯片测序技术
PCR直接测序技术
cDNA微阵列技术
一代测序(经典测序方法):
化学降解法:Maxam & Gilbert (1977):随机打断DNA得到片段,在片段的5’端磷酸基团进行放射性标记,然后用不同的化学试剂进行修饰以裂解特定碱基(
不同修饰断裂不同碱基
),这样得到了一系列长度不同但是5‘起始相同且被标记的DNA片段(共同起点,不同终点),从而知道每个片段所停位置的碱基,不同的片段按照5’-3‘的顺序拼接起来就是所测序列。
双脱氧核苷酸末端中止法:Sanger (1977):先随机打断,然后分四管平行反应,每一个管中的ddNTP不同,其他反应物相同,这样特定的ddNTP掺入合成的DNA后,反应终止,形成对应的ddNTP信号的片段(末端碱基为该管中的ddNTP),然后电泳就知道了(
四个泳道分别是不同的ddNTP
)。
影响DNA测序的因素:
样本浓度:浓度过高时,起始荧光强度大,拖尾现象严重,荧光标记物很快消耗完,读序短、误差大、可信度低;浓度过低时:荧光信号强度和背景在相当水平,完全区分不开,测序信号不靠谱;
样品浓度的鉴定:分光光度法(对PCR产物,需电泳确定条带的特异性:清晰、无杂带、不拖尾);DNA定量仪:A(260/280)~[1.8,2。0], <1.8: 蛋白高, >2.0: RNA高;
样品纯度:不纯时信号杂乱不能读取,即使读取出来也只是分析软件的放大作用,错误率很高。其他物质浓度过高、盐浓度过高、TE缓冲液等。
二代测序:
罗氏454(2005, Genome Sequencer 20 system):(1)文库制备;(2)Emulsion PCR:磁珠结合DNA扩增;(3)测序反应:配对释放焦磷酸,生成ATP驱动释放荧光信号;(4)数据分析。
Illumina Solexa:(1)文库制备;(2)产生DNA簇:固定于芯片上进行桥式扩增;(3)测序:边合成边测序,荧光标记dNTP的,掺入碱基,记录信号,切除“终止子”基团,以进行下一轮掺入;
ABI SOLiD:利用DNA连接酶在连接过程中读取序列。
二代测序的应用:
新物种的de novo测序及基因组重测序
目标序列捕获技术:较PCR更简单高效;可确定遗传变异
环境基因组学研究:主要是微生物
表达谱和转录组分析:RNAseq,不用传统的杂交探针;表达量及时间序列的动态变化
小RNA研究:读长短、通量高,鉴定新的小RNA
表观基因组学研究
测序平台的比较:
三代测序技术:
Heliscope单分子测序:边合成边测序
PacBio SMRT(单分子实时测序):芯片含有很多ZMW孔道(DNA聚合酶+片段+荧光标记的dNTP),当合成时,产生对应的磷酸基团的荧光,从而读出信号。
纳米孔单分子技术:核酸外切酶切割ssDNA,单个碱基落入纳米孔,与孔内的分子环糊精作用,短暂改变电流强度,从而表征碱基信号。
If you link this blog, please refer to this page, thanks!
Post link:
https://tsinghua-gongjing.github.io/posts/%E9%AB%98%E9%80%9A%E9%87%8F%E6%B5%8B%E5%BA%8F%E4%B8%8E%E9%AB%98%E6%80%A7%E8%83%BD%E8%AE%A1%E7%AE%97-1-%E6%B5%8B%E5%BA%8F%E6%8A%80%E6%9C%AF%E5%8F%91%E5%B1%95.html
Previous:
高通量测序和高性能计算理论与实践
Next:
Motif analysis: MEME suit & HOMER
Please enable JavaScript to view the
comments powered by Disqus.
Category
Genomics
Python
Linux
Visualization
Statistics
MachineLearning
Reading
Other
Tags
Latest articles
AI在乳腺癌检测中的应用
基于三代测序数据预测m6A修饰位点
使用迁移学习对scRNA数据降噪
深度学习助力RNA可变剪切的预测
Excel常见用法
Word常见用法
Basic operations on matrix
LSTM
Run jobs on GPU server
稀疏编码
Links
ZhangLab
,
RISE database
,
THU life
,
THU info
Data analysis:
pandas
,
numpy
,
scipy
ML/DL:
sklearn
,
sklearn(中文)
,
pytorch
Visualization:
seaborn
,
matplotlib
,
gallery
Github:
me