圣庭生物-ShengTingGroup

概述

全基因组重测序是对已知基因组序列的物种进行不同个体的基因组测序。通过重测序可以在全基因组水平上发现不同个体或组织细胞之间的差异。通过这种方法,可以寻找出大量的单核苷酸多态性位点(SNP),插入缺失位点(InDel,Insertion Deletion),结构变异位点(SV,Structure Variation),拷贝数变异(Copy Number Variation,CNV)等变异信息,从而获得生物群体的遗传特征。这对在群体水平上研究物种的进化历史、环境适应性、自然选择等方面具有重大意义。利用全基因组重测序有助于快速发现与动植物重要性状相关的遗传变异,缩短分子育种的实验周期;有助于发现人类疾病相关的重要变异基因,加快生物医药研发的速度等。

应用方向

变异检测产品概述

利用全基因组重测序技术对某一物种个体或群体的基因组进行测序及差异分析,可获得SNP、InDel、SV、CNV等大量的遗传多态性信息,可用于开发分子标记建立遗传多态性数据库,为后续揭示进化关系、功能基因挖掘等奠定基础。基于全基因组重测序技术进行变异检测,可在全基因组范围内精确检测多种变异。我们的技术优势:周期短、检测全面、密度高和性价比高。

应用领域

1、代表性种质遗传解析

2、个体变异检测

3、大规模种质资源鉴定

样本寄送

采用干冰寄送样本。

样本要求

样本类型:无降解或轻微降解,无污染的基因组DNA;

DNA样品量: ≥ 2 μg /单次反应;

样本浓度: ≥ 30 ng/µl;

样本纯度:OD260/280=1.8~2.0;

测序策略

每个个体测序深度10-30X,推荐深度SNP、InDel( ≥ 10 X),SV( ≥ 20 X ), SV( ≥ 30 X );

技术优势

技术流程

案例1:

全基因组重测序荷斯坦公牛检测插入缺失突变并鉴定乳牛中与牛奶成分特性相关的基因

Whole-Genome Resequencing of Holstein Bulls for Indel Discovery and Identification of Genes Associated with Milk Composition Traits in Dairy Cattle


研究材料

来自四个半同胞或全同胞家庭的八个荷斯坦公牛。

研究策略

 采用Illumina基因组测序技术,对荷斯坦公牛基因组进行重测序,平均测序深度为10X。

研究结果

获得912,302个短的插入和缺失[1-49个碱基对(bp)]突变,成功确定了3,625个在高和低乳蛋白百分比和脂肪百分比EBVs公牛组之间是多态性的插入和缺失突变,确定了11个可能影响牛奶成分性状的候选基因。本研究结果为进一步研究和揭示奶牛牛奶成分性状的关键基因提供了基础。

表1. 公牛个体的测序、测绘统计和插入/缺失计数

表2. 在高与低EBVs组公牛之间的11个基因的插入/缺失基因型

参考文献

Jiang J.,Gao Y., Hou Y. , et al. Whole-Genome Resequencing of Holstein Bulls for Indel Discovery and Identification of Genes Associated with Milk Composition Traits in Dairy Cattle. 2016, PLoS One, 11(12):e0168946.

遗传图谱产品概述

遗传图谱(genetic map),又叫连锁图谱(linkage map),是某一物种的染色体图谱,显示所知的基因和/或遗传标记的相对位置,而不是在每条染色体上特殊的物理位置。是由遗传重组测验结果推算出来的、在一条染色体上可以发生的突变座位的直线排列(基因位点的排列)图。利用全基因组重测序技术对已有参考基因组序列的物种进行个体或群体的全基因组测序,再利用生物信息学方法,检测SNP并计算多态性标记间的遗传连锁距离,来绘制高密度的遗传图谱。遗传图谱能够进行遗传进化分析及重要性状候选基因预测,对物种的分子育种研究具有重大指导意义。

应用领域

1、QTL定位

2、辅助基因组组装和比较基因组学研究

适用范围:

1、适用于所有作图群体(F1、F2、BC1;RILs、DH等)

2、群体大小在100个以上

测序策略

亲本:测序深度10-30X/个体;子代:测序深度4-5X/个体

样本要求

样本类型:无降解或轻微降解,无污染的基因组DNA;

DNA样品量: ≥ 2 μg /单次反应;

样本浓度: ≥ 30 ng/µl;

样本纯度:OD260/280=1.8~2.0;

样本寄送

采用干冰寄送样本。

技术流程

案例1:

水稻渐渗系基因组结构变异和产量性状定位

Genomic structure analysis of a set of Oryza nivara introgression lines and identification of yield-associated QTLs using whole-genome resequencing


研究材料

构建以精英水稻变种93-11为背景的Oryza nivara野生种W2014渐渗系(ILs),选择了150个BC3F1自交6代,最终得到131个ILs家系。

研究策略

采用Illumina基因组测序技术,对137个ILs基因组进行重测序。

研究结果

构建了131个渐渗系的高密度遗传图谱,开发了一个完整的用于水稻改良和优异基因精细定位的遗传材料。结合表型数据对13个产量相关性状进行了QTL定位,其中36.9%的QTL中来自O. nivara的等位基因对产量性状改良起到作用,并从9个QTL候选区域克隆得到6个基因。

图1. 野生稻渐渗片段全基因组覆盖率

图2. 产量相关QTL定位结果

参考文献

Ma X, Fu Y, Zhao X, et al. Genomic structure analysis of a set of Oryza nivara introgression lines and identification of yield-associated QTLs using whole-genome resequencing[J]. Scientific Reports, 2016 , 6:27425.

常见问题

Q 遗传图谱构建如何选材?

1、有参考基因组序列的物种(二倍体、四倍体、六倍体物种均可);

2、具有重要农艺性状个体构建的遗传群体(临时群体:F1、F2;永久群体:RIL、DH、NIL 等);

3、后代群体样本数在200以上时,可构建精细遗传图谱。

Q 植物遗传图谱的构建是怎样的?

1、亲本选择差异大,子代可稳定遗传的

2、亲本的标记及差异选择

3、作图群体构建以及分子标记检测

4、连锁分析:两点测验、三点测验(软件:MAPMAKER)

5、遗传标记的染色体定位

全基因组关联分析产品概述

全基因组关联分析(GWAS),是对遗传多样性丰富的群体中的每个个体进行全基因组测序,结合目标性状的表型数据,基于一定的统计方法进行全基因组关联分析。可快速获得影响目标性状表型变异的染色体区段或基因位点。无需构建专门的群体,可快速准确地实现多个目标性状基因的高效定位。此外,全基因组关联分析是应用基因组中数以百万计的单核苷酸多态性(single nucleotide ploymorphism,SNP)为分子遗传标记,进行全基因组水平上的对照分析或相关性分析,通过比较发现影响复杂性状的基因变异的一种新策略。

应用领域

1、动植物复杂性状定位

2、发现影响复杂性状的基因变异

适用范围:

1、已有参考基因组序列的动植物自然群体,建议样本数≥200个

2、样本间无明显的亚群分化(如遗传隔离等)

3、所研究表型性状遗传力较强

测序策略

推荐测序深度: ≥ 5X/个体

技术优势

样本要求

样本类型:genomeDNA 样品;无降解或轻微降解;无污染;

DNA样品量: ≥ 1.4 μg,单次;

样本浓度: ≥ 30 ng/µl;

样本纯度:OD260/280=1.8~2.0;

技术流程

案例1:

全基因组关联分析研究14个水稻地方品种农艺性状

Genome-wide association studies of 14 agronomic traits in rice landraces


研究材料

517个水稻地方品种。

研究策略

采用Illumina基因组测序技术,对517个水稻地方品种进行重测序,对14种农艺性状进行全基因组关联研究。

研究结果

共鉴定了约360万个SNP,构建了水稻基因组的高密度单倍型图。通过对14个农艺性状进行的全基因组关联分析解释了~36%的表型差异。

图1. 粒宽和抽穗期的全基因组关联分析

参考文献

Huang X., Wei X., Sang T., et al. Genome-wide association studies of 14 agronomic traits in rice landraces. Nature Genetics, 2010, 42(11):961-967.

常见问题

Q 连锁分析与关联分析(GWAS)有什么差异?

连锁分析和关联分析在数量性状研究上都具有重要作用,但是二者在QTL定位的精度、广度方面存在区别:连锁一般找到的是某个区域;关联找到的是某个点。连锁结果相对准确,假阳性小,但精细定位很困难,主要原因是因为重组代数有限,很多基因没有打破连锁;关联相对粗糙,假阳性高,但可以直接定到基因位点。

Q 一次全基因组关联分析实验,能实现多性状定位吗?

可以。全基因组关联分析是对具有遗传多样性丰富的群体的每个个体进行全基因组重测序,结合目标性状的表型数据,基于一定的统计方法进行全基因组关联分析,可以快速获得影响目标性状表型变异的染色体区段或基因位点。

群体进化

对已有参考基因组的物种,对其各亚种进行全基因组重测序得到大量高准确性的变异信息,讨论群体的遗传结构、遗传平衡和影响遗传平衡的因素,从分子层面揭示该物种的进化机制问题。可精准地得到全基因组内所有遗传信息,最大程度挖掘群体内遗传变异。通过对种内不同生存条件下的不同亚群的代表性个体进行全基因组重测序,基于群体遗传差异,分析导致不同亚群适应性进化的基因组层面的特异变化。亚群之间的遗传差异变化也能反映出各自的动态变化及相互之间的影响。对于筛选到的受选择压力作用的基因组区域,通常是重要的功能区域,对于理解功能对环境的适应有重要指导意义。

应用领域

1、动植物驯化

2、群体适应性进化

适用范围:

1、已有参考基因组序列的物种中不同亚群(自然群体)

2、各亚群划分明显,同一亚群内的个体有一定代表性

3、每个亚群选取10个样本左右(推荐动物≥10个,植物≥15个)

测序策略

推荐测序深度: ≥ 5X/个体

样本要求

样本类型:genomeDNA 样品;无降解或轻微降解;无污染;

DNA样品量: ≥ 2 μg,单次;

样本浓度: ≥ 30 ng/µl;

样本纯度:OD260/280=1.8~2.0;

技术流程

案例1:

全基因组重测序揭示了大熊猫演化历史和当地适应性

Whole-genome sequencing of giant pandas provides insights into demographic history and local adaption.


研究材料

中国秦岭、岷山、邛崃、大相岭、小相岭、凉山的34只野生大熊猫。

研究策略

  采用Illumina基因组测序技术,对大熊猫基因组进行重测序,每个个体平均测序深度~4.7X。

研究结果

共发现13,020,055个SNP,确定了六个山系大熊猫可划分为秦岭、岷山、邛崃山-大小相岭-凉山三个遗传系。构建大熊猫的演化历史,揭示出其间的两次种群扩张、两次瓶颈和两次种群分化现象。

图1. 大熊猫地理分布图、群体结构分析、主成分分析、进化树分析结果

参考文献

Zhao S.C., Zheng P.P., Dong S., et al. Whole-genome sequencing of giant pandas provides insights into demographic history and local adaptation. Nature Genetics, 2012, 45(1):67-71.

常见问题

Q 什么是群体遗传结构?其分析方法或软件有哪些?

群体遗传结构是指遗传变异在物种或群体中的一种非随机分布,即遗传变异在群体内、群体间的分布样式以及在时间上的变化。群体结构结果用来展示遗传变异所导致群体分化的动态变化规律,这种动态变化有利于了解该物种不同品种之间的分化走向,确定某些样品所属的亚群。该方法假设所有样品由K(2...7)个祖先分化而来,当K取为一个定值时,每个样品对应各个祖先的数值之比决定其各个亚群的归属情况。分析软件有Structure、Frappe 以及Admixture等。

Q 群体进化研究有什么意义?

基于全基因组重测序的群体进化研究,能够最大程度地挖掘出群体内的遗传变异,可用来追溯群体的进化过程,挖掘进化基因,已广泛应用于许多物种的人工驯化机制研究、自然选择机制分析和种群历史研究。具有重要的科学理论和实践应用价值。

BSA性状定位

BSA性状定位(Bulked Segregant Analysis,BSA。集群分离分析)是指针对研究的目标性状,选择表型极端差异的亲本构建家系。利用混池分组分析法,对该家系目标性状表型极端的子代混合成两个样本池进行测序,同时对亲本进行测序,利用高性能计算平台和生物信息学方法,计算影响性状的候选区域以及相应的突变位置和突变类型,实现对目标性状的快速定位,加速作物育种改良。

应用领域

1、QTL-seq定位数量性状位点

2、MutMap定位诱变位点和质量性状

适用范围:

1、单倍体、二倍体或多倍体物种(有参考基因组序列)

2、家系群体(F2、RILs、DH等家系群体)

测序策略

亲本:10X/个,子代:20X/池

样本要求

样本类型:genomeDNA 样品;无降解或轻微降解;无污染;

DNA样品量:≥ 1.4 μg,单次;

样本浓度: ≥ 30 ng/µl;

样本纯度:OD260/280=1.8~2.0;

技术流程

案例1:

MutMap加速水稻耐盐性品种培育

MutMap accelerates breeding of a salt-tolerant rice cultivar


研究材料

对当地品种“Hitomebore”进行EMS诱变处理后的突变体。

研究策略

运用BSA策略,取20株F2分离群体中的耐盐性个体进行混池,与野生型亲本一起进行全基因组重测序。

研究结果

找到水稻耐盐性的基因(OsRR22),加速水稻耐盐新品种的培育。

图1. 水稻耐盐突变基因鉴定

参考文献

Takagi H., Tamiru M., Abe A., et al. MutMap accelerates breeding of a salt-tolerant rice cultivar. Nature Biotechnology, 2015, 33(5):445-9.

常见问题

Q BSA性状定位的生信分析内容是什么以及其可解决什么问题?

基于比对分析发现SNP、InDel标记,随后根据标记进行差异分析,以获取与目标性状相关的基因。如下表

分析内容 解决问题
与参考基因组比对 比对率和覆盖度分析
SNP、InDel检测及注释 开发SNP、InDel标记
子代SNP、InDel频率差异分析 寻找有差异的SNP、InDel位点
目标性状区域定位 找到与目标性状关联的区域
候选基因提取和功能注释 获得候选基因及基因功能

Q BSA性状定位的后期验证怎么进行?

如果检测碱基变化,PCR扩增出目标区域后,用一代测序即可。如果要进行生物功能的验证,要看客户那边具体的实验设计(基因敲除/回补)。