基因組序列片段快速拼接及其可視化.pdf

1、正如2001年人類(lèi)基因組計(jì)劃初步完成，宣告了人類(lèi)進(jìn)入后基因組時(shí)代一樣，諾貝爾獎(jiǎng)得主沃森于2007年5月獲得首份個(gè)人基因組，則標(biāo)志著人類(lèi)開(kāi)始邁入個(gè)體化醫(yī)療時(shí)代。個(gè)體化醫(yī)療時(shí)代對(duì)個(gè)體進(jìn)行疾病相關(guān)分析，就必須獲得不同個(gè)體的基因信息，找出存在于個(gè)體之間的變異信息和基因功能信息等。因此，要實(shí)現(xiàn)個(gè)性化醫(yī)療，首先得獲取個(gè)體的基因信息，基因組再測(cè)序理所當(dāng)然地?fù)?dān)當(dāng)起了這個(gè)任務(wù)。目前，基因組再測(cè)序技術(shù)研究已成為國(guó)際上生命科學(xué)領(lǐng)域的一個(gè)熱點(diǎn)?；蚪M再測(cè)序以第

2、二代測(cè)序技術(shù)為支撐，它具有高通量，短片段的特點(diǎn)。面對(duì)再測(cè)序片段這樣的特點(diǎn)，如何準(zhǔn)確快速地對(duì)其進(jìn)行拼接是首先要考慮的問(wèn)題,希望通過(guò)生物信息學(xué)的方法，建立一個(gè)再測(cè)序信息分析平臺(tái)。針對(duì)目前再測(cè)序技術(shù)的特點(diǎn)，本研究發(fā)展了基于序列快速定位的、面向再測(cè)序的基因組短片段拼接方法，開(kāi)發(fā)了快速拼接軟件；發(fā)展了新的基因組再測(cè)序信息可視化技術(shù)，實(shí)現(xiàn)了再測(cè)序信息與基因組數(shù)據(jù)及基因序列數(shù)據(jù)的融合，因而對(duì)基因組再測(cè)序的實(shí)際應(yīng)用提供了有力的技術(shù)支撐。 在序列

3、拼接方面，由再測(cè)序所產(chǎn)生的序列片段一般比較短（20-36bp左右），同時(shí)人類(lèi)基因組存在大量的重復(fù)序列和SNP位點(diǎn)，傳統(tǒng)的基因組序列拼接方法比如PCAP等已不再適應(yīng)。而一些新的拼接方法SSAKE、Edena、ALLPATHS等在拼接較小基因組，如細(xì)菌的基因組時(shí)，是相當(dāng)有效的。但是，這些拼接方法的一個(gè)顯著缺點(diǎn)就是：它們對(duì)測(cè)序錯(cuò)誤十分敏感。基因組再測(cè)序有標(biāo)準(zhǔn)的基因組序列作參考，因此對(duì)再測(cè)序片段拼接的基本思想是：首先通過(guò)序列比對(duì)實(shí)現(xiàn)再測(cè)序片段的

4、快速定位，然后提取序列片段的位置信息進(jìn)行處理，進(jìn)而達(dá)到對(duì)再測(cè)序片段拼接的目的。選用基于貪婪算法的序列比對(duì)程序Megablast，然后提出了基于多線(xiàn)程技術(shù)的并行化Megablast比對(duì)拼接方法。實(shí)驗(yàn)表明：在比對(duì)拼接人類(lèi)等物種基因組時(shí)，相比傳統(tǒng)的Megablast程序，EMBlast時(shí)間效率能能提高7倍左右（以16核CPU為支撐），但在其它性能方面與原有的Megablast結(jié)果相比沒(méi)有明顯下降。 在可視化實(shí)現(xiàn)方面，目的是：為相關(guān)研究