玉米基因組大片段缺失檢測算法.pdf

1、玉米基因組結構變異豐富，其中大片段缺失導致玉米表型變異，是玉米豐富的遺傳多樣性與表型變異的重要來源。本文根據(jù)中國農業(yè)科學院所提供的79份溫熱帶玉米自交系的第二代測序數(shù)據(jù)進行分析，采用基于kmer depth的分析策略，結合隱馬爾可夫模型，研究大片段缺失的類型、多態(tài)性及其在不同自交系之間的分布特征，檢測玉米材料大片段缺失的數(shù)量及位置。主要工作如下：
　　第一，前期的數(shù)據(jù)分析和準備工作。對于每個材料的測序數(shù)據(jù)，建立 kmer庫，分析每

2、個材料的kmer特征，初步計算玉米基因組上的缺失的總體情況和大致分布，計算材料之間的親緣關系。
　　第二，使用隱馬爾可夫模型檢測玉米基因組大片段缺失，根據(jù)每個材料的kmer庫與參考基因組的序列進行比對，得到序列上每個位置的kmer depth；采用窗口掃描法順序掃描整個序列的kmer depth，取每個窗口中所有kmer depth的中位數(shù)，得到所有材料的kmer depth作為輸入矩陣，使用隱馬爾可夫模型結合最大期望算法，計算得

3、到基因序列上的缺失情況。
　　第三，結合被測材料之間的親緣關系對算法進行改進，本文提出混合隱馬爾可夫模型。由于玉米相對于參考基因組在遺傳過程中，存在親緣關系的不同，多個材料基因組序列之間存在高度的相關性，因此，本文根據(jù)玉米材料之間的親緣關系，對每個材料建立起隱馬爾可夫模型，聯(lián)合多個隱馬爾可夫模型組合成一個大的隱馬爾可夫模型，以此來提高檢測結果的精確性。
　　最后，設計實驗對算法結果進行評估驗證。本文設計了兩個實驗，首先，根據(jù)

4、現(xiàn)有已知的參考基因組B73進行隨機生成大片段結構性變異和SNP，再使用工具模擬生成第二代測序數(shù)據(jù)，對算法的精度和效率進行驗證和評估，實驗證明，隱馬爾可夫模型在檢測基因組缺失可以有比較高的精確性，而且運行時間比較短；在考慮親緣關系后，算法精確性能夠進一步提高，能夠比較精確的檢測到接近90％的缺失片段。其次，根據(jù)前人采用比較基因組陣列雜交法檢測得到的玉米Mo17系上的一千多個大片段缺失，通過和這些缺失片段進行比較，證明本文算法在使用實際測序