NGS基础 - 高通量测序原理

Posted 2023-04-03

参考技术A

从1977年Sanger发明了双脱氧链终止法一代测序技术开始，测序技术发展至今已有四十多年时间，先后经历了以GS FLX、Solexa、SOLID为基础的二代测序技术，以及基于单分子实时测序（SMRT）和纳米孔测序技术的三代测序技术。虽然三代测序在蓬勃发展，并在基因组和转录组测序等领域展现出前所未有的优势，但限于成本问题，其应用范围尚不及二代测序。

二代测序技术以其短读长、高通量、准确性高的特点，仍在测序市场上占优势地位。以Illumina Solexa为例，首先利用超声波将DNA打断成200-500bp小片段文库，加接头后DNA片段随机附着于flowcell表面，经过桥式PCR扩增形成“DNA簇”，实现碱基信号强度放大，采用边合成边测序的方法，进行全基因组全面，准确的测序。

2014年Illumina推出HiSeq X Ten测序仪，它利用数十亿个纳米孔的流动槽，较大缩短了测序周期。2017年它又推出了新一代测序仪NovaSeq系列，我们以相同文库分别进行Hiseq Xten系列和NovaSeq系列测序，DNA重测序产出数据指标如下：

看完重测序，再看看转录组文库测序比较：

基于以上结果，总结了以下几点：

1.测序原理：X-ten与Nova6000测序原理均是基于solexa的边合成边测序的原理；Nova6000采用Illumina的EX-AMP簇生成技术，以及新一代的Patterned Flow Cell。

2.Q30质量值：在实际测序中Nova6000的Q30相对于X-ten更稳定且测序时长更短，试剂衰减对质量影响更小，整体的Q30 Nova6000要优于X-ten。

3.测序方式：受限于X-ten的控制软件以及试剂等因素，X-ten只能进行单Index的测序识别；而Nova6000可以进行I7 I5双端Index的测序，理论上可以做到更精准的识别。

4.DNA文库冗余度：Nova6000明确优于X-ten平台。

有木有发现随着二代测序仪器的发展，测序结果真是又快又好，目前二代测序较多的应用于基因组重测序，转录组分析，小分子RNA研究等领域。基于二代测序技术进行遗传图谱构建，基因定位的研究也越来越多。

测序领域常用名词解释

kb=千碱基 kilobase 

nt＝核苷酸 nucleotide 

bp＝碱基对 base pair

 

高通量测序

高通量测序技术（High-throughput sequencing，HTS），有些文献中称其为下一代测序技术（next generation sequencing，NGS），又被称为深度测序（Deep sequencing）

 

基因组重测序（Genome Re-sequencing）

全基因组重测序是对基因组序列已知的个体进行基因组测序，并在个体或群体水平上进行差异性分析的方法

 

de novo测序

也称为从头测序

 

外显子测序（whole exon sequencing）

 

mRNA测序（RNA-seq）

 

small RNA测序

Small RNA（micro RNAs、siRNAs和 pi RNAs）

 

miRNA（microRNA）测序

 

Chip-seq

染色质免疫共沉淀技术（ChromatinImmunoprecipitation，ChIP）也称结合位点分析法

 

CHIRP-Seq

CHIRP-Seq（Chromatin Isolation by RNA Purification）是一种检测与RNA绑定的DNA和蛋白的高通量测序方法

 

metagenomic（宏基因组）

 

Read

高通量测序平台产生的序列标签就称为reads

 

Contig

拼接软件基于reads之间的overlap区，拼接获得的序列称为Contig（重叠群）

 

Contig N50

Reads拼接后会获得一些不同长度的Contigs。将所有的Contig长度相加，能获得一个Contig总长度。然后将所有的Contigs按照从长到短进行排序，如获得Contig 1，Contig 2，Contig 3...………Contig 25。将Contig按照这个顺序依次相加，当相加的长度达到Contig总长度的一半时，最后一个加上的Contig长度即为Contig N50。举例：Contig 1+Contig 2+ Contig 3+Contig 4=Contig总长度*1/2时，Contig 4的长度即为Contig N50。Contig N50可以作为基因组拼接的结果好坏的一个判断标准

 

Scaffold

基因组de novo测序，通过reads拼接获得Contigs后，往往还需要构建454 Paired-end库或lllumina Mate-pair库，以获得一定大小片段（如3Kb、6Kb、10Kb、20Kb）两端的序列。基于这些序列，可以确定一些Contig之间的顺序关系，这些先后顺序已知的Contigs组成Scaffold

 

Scaffold N50

Scaffold N50与Contig N50的定义类似。Contigs拼接组装获得一些不同长度的Scaffolds。将所有的Scaffold长度相加，能获得一个Scaffold总长度。然后将所有的Scaffolds按照从长到短进行排序，如获得Scaffold 1，Scaffold 2，Scaffold 3...………Scaffold 25。将Scaffold按照这个顺序依次相加，当相加的长度达到Scaffold总长度的一半时，最后一个加上的Scaffold长度即为Scaffold N50。举例：Scaffold 1+Scaffold 2+ Scaffold 3 +Scaffold 4 +Scaffold 5=Scaffold总长度*1/2时，Scaffold 5的长度即为Scaffold N50。Scaffold N50可以作为基因组拼接的结果好坏的一个判断标准

 

测序深度和覆盖度

测序深度是指测序得到的总碱基数与待测基因组大小的比值。假设一个基因大小为2M，测序深度为10X，那么获得的总数据量为20M。覆盖度是指测序获得的序列占整个基因组的比例。由于基因组中的高GC、重复序列等复杂结构的存在，测序最终拼接组装获得的序列往往无法覆盖所有的区域，这部分没有获得的区域就称为Gap。例如一个细菌基因组测序，覆盖度是98%，那么还有2%的序列区域是没有通过测序获得的

 

转录本重构

用测序的数据组装成转录本。有两种组装方式：1，de-novo构建； 2，有参考基因组重构