生物信息一体机EVO私有云搭建(医院、农业、检测公司)个性化workflow定制AI解决方案(转基因、育种、医疗)服务器租用、算力租用CPU服务器GPU服务器生物一体机生物信息学培训二代测序三代Nanopore测序三代Pacbio测序宏基因组测序宏病毒组测序宏转录组测序微生物多样性测序meta-seq细菌框架图细菌完成图比较基因组分析细菌基因组测序重测序基因组DENOVO二+三代测序HIC辅助组装真菌、动植物测序噬菌体、病毒测序转录测序表观组测序表观组测序超微量细胞检测超低微量DNA、RNA建库测序自动规模化细菌鉴定转基因检测基因旁侧序列调取个性化分析及数据挖掘个性化实验设计特色研究DEBrowser生物信息分析工具定性蛋白质组定量蛋白质组(Label-free)翻译后修饰蛋白质组高深度蛋白质组外泌体定量蛋白质组Labe FreeDIA定量磷酸化蛋白质组学宏蛋白组学蛋白质全谱鉴定IP/CO-IP/Pull-down产物鉴定定量乙酰化蛋白质组学TMT/iTRAQ定量泛素化蛋白质组学外泌体、单细胞、ATAC等文献更新非靶向代谢组学类靶向代谢组学脂质组学靶向代谢组学单细胞测序RIP测序宏基因组测序分析宏病毒测序分析超低微量细胞测序表观组测序外泌体定量蛋白质组公司介绍联系我们加入我们

产品简介

基因组重测序Re-Sequencing是对已知基因组序列信息的个体进行测序,可在此基础上对个体或群体进行基因型差异性分析。基因组重测序主要用于辅助研究者发现大量的单核苷酸多态性位点(SNP)、拷贝数变异(Copy Number Variation,CNV)、插入缺失(InDel,Insertion/Deletion)等变异位点,以高效准确获得生物群体的遗传特征,并方便进行全基因组关联性分析(GWAS),在人类疾病和动植物育种研究等方面意义重大。



Types of genome alterations that can be detected by next-generation sequencing

Meyerson et al., Nature Reviews Genet,2010


我们的优势

1. 重测序分析加速:烈冰开创了从任务投递、数据切分到容器多线程的三重调度加速框架,最终实现了重测序分析的大幅度加速,4小时即可完成一个样本的人类重测序分析,较传统的分析方法(68-92小时)提高了十多倍速度;

2. 定制化分析策略:根据不同测序物种和测序方案,定制化选择参考基因组版本、比对算法和注释用数据库区域信息等;

3. 全面的数据库整合:不断更新基因组数据库并进行多数据库多版本整合,获得准确的基因信息与注释;

4. 强大的组学联合分析能力:将基因组重测序与转录组测序和甲基化测序等技术进行结合,将单一的基因变异数据进一步拓展。



样本要求


组织样品:

1. 新鲜动物组织干重≥0.5g

2. 新鲜植物组织干重≥2g

3. 新鲜培养细胞数≥4×106

4. 全血(哺乳动物)≥1ml

5. 全血(非哺乳动物)≥0.5ml

DNA样品要求:

1. DNA总量≥2μg,浓度≥20ng/μL,体积要求15-100μL;

2. OD260/280介于1.8-2.0之间;

3. Agilent 2200质检合格,DNA样本主峰范围在100-500bp;

4. 电泳检测无明显RNA污染,基因组条带清晰、完整,无降解;

5. 送样时请标记清楚样品编号,管口使用Parafilm膜密封;

6. 样品保存期间切忌反复冻融;

7. 送样时请使用干冰运输。



实验流程

1. 客户样本:新鲜培养细胞数≥4×106个;

2. 提取基因组DNA:DNA总量≥2μg;

3. DNA质控:Agilent 2200质检合格,DNA样本主峰范围在100-500bp;

4. 文库构建:随机引物PCR扩增;

5. 上机测序:测序数据量达到50X覆盖深度,不同物种间存在差异,人一般达到30X。



数据分析流程

结果示例

1、原始数据质量控制采用Fastp软件对下机原始数据进行低质量序列,未检测序列,接头序列的过滤处理,并对于过滤前后数据的GC比值,碱基质量,长度分布,接头留存,Duplication比率等指数进行

碱基质量结果图分析。

注:左图横坐标代表碱基位点,纵坐标代表碱基质量值,不同颜色曲线代表不同碱基在每条read上的质量值;右图横坐标代表碱基位点,纵坐标代表碱基含量比值,不同颜色曲线代表不同位点各碱基含量。




2、DNA基因组比对(DNA Mapping)与质控采用BWA-mem/Bowtie2等算法将质控后的测序数据与基因组进行比对,得到基因组比对的bam文件。并基于bam文件进行信息统计,得到reads在染色体上的分布情况、基因组比对率等信息。


DNA Mapping结果

Yamagishi MEB et al., PLoS One. 2017

注:该图展示了不同品系bull的测序readsmapping率




3、突变分析采用GATK/Samtools等算法,对基因组比对文件进行突变(包括SNV、InDel)分析,得到突变结果。



call SNP分析结果

Kong HR et al., AJAS. 2018

注:该图展示了不同分组每条染色体SNP的数量




4、拷贝数变异(CNV)分析采用CNVKit算法,对基因组比对文件进行拷贝数变异分析,得到拷贝数变异结果。


CNV区域在全基因组上的分布

Khatri B et al., PLoS One. 2019

注:该图展示了不同品系(HS和LS)的Japanese quail CNV区域在全基因组上的分布情况。外圈为HS品系,内圈为LS品系




5、数据库注释通过VEP对突变分析结果进行注释,获得所有突变位点对应的基因及其变异位点的注释情况。



突变注释结果

注:该图展示了基于数据库鉴定的突变类型,以及不同突变类型数量的占比情况