2025.1.15
第六节 基因组survey
*****原理*****
基因组学：拼接+注释（基因注释+重复序列注释）
比较基因组学分析：进化树构建、基因家族聚类，全基因组复制，共线性分析等）

1.基因组拼接前需要做什么？
基因组survey：用少量数据评价基因组大小（决定测序量和组装深度）及基因组是否存在高杂合，高重复（重复序列高、杂合度高的基因组不好组装），GC含量过高和过低的测序深度较低，导致基因组拼接结果较差。
*survey一般测序量为预估基因组大小的30-50X，二代测序；原核生物无需进行基因组survey。

1）过滤接头，N含量，低质量；检测GC含量及分布（曲线若不平滑说明测序数据含有其他物种污染，可用NT库进行比对，找出污染源）；去重复。


截屏2025-01-15 14.14.45.png

2）Kmer分析
· Kmer分析-基因组大小

截屏2025-01-15 14.18.59.png





截屏2025-01-15 14.19.21.png





截屏2025-01-15 14.23.13.png

*例：

截屏2025-01-15 14.27.28.png

· Kmer分析-杂合度
基因组杂合指的是两套同源染色体之间的差异

[图片上传中...(截屏2025-01-15 14.33.11.png-abc1e5-1736922804361-0)]




截屏2025-01-15 14.33.11.png

*Kmer计数软件-Jellyfish;
*基于Kmer频数表估计基因组大小和杂合度-GCE（可计算出a1/2）；
*估计基因组大小-GenomeScope

*模拟不同杂合率下，Kmer图的趋势变化（随着杂合率的增加，杂合峰越来越明显，甚至高于主峰，所以并不是谁高谁是主峰）

截屏2025-01-15 14.45.59.png

*并不是所有项目都用k=17（几G的基因组，17足够），基因组越大，k值越大

*****代码*****
1）软件：
生成Kmer频数表：jellyfish
基因组大小、杂合、重复估计：GenomeScope、gce