蕓薹屬蔬菜低深度測(cè)序SNP分型及其應(yīng)用.pdf

1、單核苷酸多態(tài)性（Single nucleotide polymorphisms，SNPs）是指在基因組某一特定核苷酸位置上發(fā)生單個(gè)核苷酸的轉(zhuǎn)換或顛換所引起的DNA序列多態(tài)性。SNPs廣泛應(yīng)用于圖譜構(gòu)建、基因定位、群體進(jìn)化分析等領(lǐng)域。近年來，SNPs基因分型技術(shù)逐漸成為研究熱點(diǎn)。盡管目前已發(fā)展了多種快速、穩(wěn)定、高效的SNPs分型技術(shù)（如基因芯片、TaqMan探針法等），但是仍無法滿足實(shí)際研究中對(duì)通量、成本以及可靠性等方面的要求。隨著測(cè)序技

2、術(shù)的不斷發(fā)展，高通量測(cè)序在SNPs基因分型方面的優(yōu)勢(shì)逐漸顯現(xiàn)。為了節(jié)約成本，提高通量，采用群體低深度重測(cè)序的方法進(jìn)行SNPs基因分型是一條可選途徑。但是，在利用低深度重測(cè)序數(shù)據(jù)檢測(cè)SNPs時(shí)，通常會(huì)出現(xiàn)準(zhǔn)確性和覆蓋度偏低的問題。針對(duì)該問題，本研究開發(fā)了一套 SNPs高效鑒定的流程，稱為Pooled Mapping。該流程可以去除由測(cè)序錯(cuò)誤和比對(duì)錯(cuò)誤產(chǎn)生的假陽性結(jié)果，從而有效地提高SNPs分型的準(zhǔn)確性。主要結(jié)果如下：
　　1.建立了

3、Pooled Mapping算法，該算法主要分三步：（1）將群體中所有樣本的重測(cè)序reads比對(duì)到參考基因組上，鑒定群體基因組上的高可靠性多態(tài)性位點(diǎn)庫(kù)；（2）分別將單個(gè)樣本的reads比對(duì)到參考基因組上，逐個(gè)鑒定出單個(gè)樣本在各個(gè)可信變異位點(diǎn)上的基因型；（3）利用基于連鎖不平衡的k最近鄰算法（k-NN）推導(dǎo)未成功分型的變異位點(diǎn)的基因型。
　　2.利用白菜基因組序列模擬低深度測(cè)序數(shù)據(jù)對(duì)Pooled Mapping算法進(jìn)行了評(píng)價(jià)，確定了

4、該算法的準(zhǔn)確性和可靠性。模擬的三類數(shù)據(jù)包括：（1）7個(gè)測(cè)序深度為1×，模擬測(cè)序錯(cuò)誤率為0.01％-3%的數(shù)據(jù)集；（2）3個(gè)模擬測(cè)序錯(cuò)誤率為0.25%，測(cè)序深度分別為1×、2×和3×的數(shù)據(jù)集；（3）60個(gè)樣本的模擬低深度測(cè)序數(shù)據(jù)集（1×）。利用常規(guī)方法對(duì)第一類數(shù)據(jù)集進(jìn)行SNPs分型，結(jié)果表明，準(zhǔn)確性（假陽性比率為3%-86%）和覆蓋度（34%-56%）均較低。利用常規(guī)方法對(duì)第二類數(shù)據(jù)集進(jìn)行SNPs分型，結(jié)果表明，當(dāng)測(cè)序深度一定時(shí)，覆蓋度隨

5、準(zhǔn)確性的增加而減小。比較常規(guī)方法和Pooled Mapping法對(duì)第三類數(shù)據(jù)集進(jìn)行SNPs分型的可靠性，結(jié)果表明，Pooled Mapping法的覆蓋度（50.08%–55.78%）略低于常規(guī)方法（56.08–56.47%），但其準(zhǔn)確性（假陽性比率為0.20%–0.28%）卻遠(yuǎn)遠(yuǎn)高于常規(guī)方法（假陽性比率為70.61%–72.69%）。利用k-NN算法推點(diǎn)后的覆蓋度（84.49%–93.95%）和準(zhǔn)確性（95.86%–99.88%）都大大

6、增加。
　　3.通過實(shí)驗(yàn)證實(shí)了Pooled Mapping方法的可行性。對(duì)200份白菜（1.2×）與281份甘藍(lán)（0.8×）的低深度重測(cè)序數(shù)據(jù)進(jìn)行Pooled Mapping分型分析，再分別用CAPS/dCAPS和KASP技術(shù)對(duì)隨機(jī)篩選SNPs位點(diǎn)進(jìn)行驗(yàn)證。結(jié)果表明，純合位點(diǎn)的Pooled Mapping結(jié)果與實(shí)驗(yàn)結(jié)果的一致性較高。因此，本研究開發(fā)的Pooled Mapping流程主要適用于對(duì)純合材料進(jìn)行SNPs分型。對(duì)于雜合材料