简化基因组测序醍醐灌顶式综述两篇

yuzhe891 · 发表于 2016.4.8 19:24:35

说实话，我是来求精加分的，灌水没有挑战性。

列出两篇文献，第一篇是2011年的关于简化基因组测序的综述。第二篇是2016年的关于简化基因组测序的综述。两篇总IF70多分，够大家看的了。

这两篇文献，基本cover了简化测序的主流方向，大家看的时候，不要被简化测序的各种名字迷惑就好。

看完这两篇文献，就不用周老师辛辛苦苦给大家讲了。

yuzhe891 · 发表于 2016.4.10 20:13:49

@小圆 @基迪奥-周煌凯 @小瑶 , 补充在这里可以么？

2016的这篇综述文献，把所有的简化测序都归并为RADseq，还有一篇文献，把所有的简化测序叫：Genome Wide Sampling Sequencing。名字真是越来越多了。

1. RADseq简介：
RADseq (Restriction-site associated DNA sequencing)是在第二代测序基础上发展而来的一项基于全基因组酶切位点的简化的基因组测序技术，是简化基因组测序技术的总称。RADseq不仅实验操作简单，性价比高，更为重要的是它并不依赖参考基因组的信息，一次测序即可获得数以万计的多态性遗传标记，已然广泛用于生态学、遗传学、基因组学等研究领域。
2. RAD-seq 技术
RADseq技术是对特定的酶切片段进行高通量测序，根据使用的限制性内切酶的种类和数量，可以将RADseq分为Original RADseq，2b-RADseq，ddRAD, ezRAD, GBS等技术方法。由于采用pooling建库的方式，与Paired-end和Mate-pair文库相比，RADseq技术一次可以构建多至96个测序文库，实验操作相当便利。
不同的RADseq技术所获得的loci的数量差异较大，总体来说：相比于GBS技术，Original RADseq和2b-RADseq可以获得更多的loci，因此，普遍认为这两种方法更适合用于探讨种群的进化关系，种群结构，gene flow等相关问题。

3. RADseq的生物信息学分析软件：
常用RADseq的生物信息学软件主要有Stacks，pyRAD，TASSEL。其中，Stacks因其可以适用各种类型的RADseq数据文件，获得更多的输出文件格式，更为广阔的适应性而被研究人员广泛使用，成为目前最为主流的RADseq分析软件。而pyRAD的优势在于其可以进行Small_InDel的检测和注释。TASSEL的优点在于其分析操作相对简单，有可视化窗口，并且可以进行PCA分析，LD分析以及关联分析等内容。但它仅适用于GBS测序技术，并且输出的文件格式较为单一，限制了其适用的广泛性。

4. RADseq在生物进化研究中的应用：
1) 生物的适应性
基于RADseq数据，利用GWAS和Fst outlier两种分析方法发现了与蝴蝶翅膀模式相关的loci，揭示了蝴蝶对生长环境的适应机制。

2) 种群进化历史
三刺鱼不同种群的有效种群大小（Ne），并结合最小等位基因频谱，讨论9个地理种群可能经历的种群瓶颈事件。

3) 群体结构
利用RAD-Tags的分析方法对蚊子的群体结构进行了探讨，发现基于SNP分型数据构建的系统谱系树与蚊子的生长环境基本对应，出现细微偏差的原因很可能在于蚊子生长环境的不同以及人为活动的干扰。

RADseq技术在生物进化的研究中得到了广泛的应用，研究方向主要包括探究物种的适应性机制，种群进化历史，种群的结构，基因渗透现象等。
5. RADseq中的错误与偏差
1) 等位基因丢失和无效等位基因：当多态性位点正好位于内切酶的酶切位点时，就会造成等位基因丢失；当等位基因位于的片段缺乏完整的酶切位点将不会被测序，成为无效等位基因，会造成基因分型错误。
2) PCR 重复和分型错误：随机的PCR扩增过程会造成某一个等位基因比例的不均匀性，这种情况下：杂合子很可能会误以为是纯合子。
3) 位点覆盖深度的差异：一般避免出现覆盖度差异的方法是增加单个样本的测序量，这样会导致测序成本的增加。

6. 怎么设计一个RADseq研究方案
设计一个RADseq实验方案需要考虑以下几点：
1) RADseq技术的选择？不同的RADseq的技术的特点各不相同，例如：虽然大部分的RAD可以获得更多的loci，但这些RADseq的文库构建费时费力，并且有些RAD技术对于基因组较为复杂的物种而言，适用性较差，例如2b-RAD。
2) Reads的长度？Long reads或者Pair-end reads在RADseq技术中拥有更多的优势，包括locus的识别度，旁系同源的污染排除，重复序列等等。尤其针对那些没有参考基因组且基因组重复序列比例较高的物种而言，Long reads和Pair-end reads优势更为明显。
3) 参考基因组信息：虽然RADseq并不完全依赖参考基因组，但拼接较好的基因组对RADseq技术来说是非常有利的。
4) Coverage：利用reference Mapping的方法进行的RADseq分析，在基因组完整程度较好的情况下，测序覆盖度的要求较低（<1x）；而利用de novo分析则需要更深的测序覆盖度（10-20x）。
总之，设计一个好的RADseq研究方案需要考虑RADseq技术的选择，取样方式，测序策略，预算等多个因素。
结论
RADseq在生态和进化基因组学应用中具有巨大潜能，不同的RADseq技术不仅在实验技术和花费上存在很大差别，而且在数据产出和加工也存在不同。虽然测序技术不断升级，RADseq仍然会是基因组研究的重要方法之一。

yuzhe891 · 发表于 2016.4.8 19:31:08

本帖最后由 yuzhe891 于 2016.4.8 19:32 编辑

再给几篇：

1. Nicola J. Nadeau, Mayte Ruiz, Patricio Salazar, et al. Population Genomics of Parallel Hybrid Zones in the Mimetic Butterflies, H. Melpomene and H. Erato. Genome research, 2014.

2. Anne L. Ferchaud, Michael M. Hansen. The Impact of Selection, Gene Flow and Demographic History on Heterogeneous Genomic Divergence: Threespine Sticklebacks in Divergent Environments. Molecular Ecology, 2015.

3. Kevin J. Emerson, Clayton R. Merz, Julian M, et al. Resolving Postglacial Phylogeography Using High-Throughput Sequencing. PNAS, 2010.