 |  |
全基因組重測序（Whole Genome Sequencing，WGS）是對已知基因組序列的物種的不同個體或群體進行全基因組重新測序，通過與原有基因進行比較，得到豐富的全基因組變異信息，并在個體或群體水平上進行生物信息分析。
Illumina 高通量測序平臺
全基因組重測序可以檢測單核苷酸多態性（SNP）、插入缺失（InDel）、拷貝數變異（CNV）、染色體結構變異（SV）等，發現 DNA 變異與某一表型（例如某種疾病）之間的聯系。由于不需要重新從頭拼接，因此僅需要相對較小的數據量，通過基因組比對（Mapping）的方式得到個體序列變化的信息。隨著測序成本的降低和分析技術的成熟，目前全基因組重測序在人類和動植物遺傳學研究中已有廣泛應用。
- 十余年樣本處理經驗；
- 豐富的易降解樣本處理經驗；
- 多層樣本質量控制，保證數據質量；
- 豐富的樣本處理經驗，涉及組織、細胞、全血、血清、血漿、FFPE 等各類實驗樣本；
- 涵蓋腫瘤、遺傳病、復雜疾病、遺傳育種等各個領域，協助客戶在 Nature、Nat Genet、Nat Med、J Clin Oncol、Leukemia、PNAS、Cell Res 等高水平期刊發表論文 100+ 篇（累計到 2019 年 6 月）。
- 樣本類型：DNA、組織、細胞、全血等；
- DNA 總量：DNA≥ 2 μg；濃度：DNA≥ 50 ng/μl；要求主帶清晰，無降解，濃度大于 50ng/ul，總量大于 1ug，OD260/OD280 =1.8~2.0，OD260/OD230=1.5 ~2.2。
- 測序深度：通常≥30X，視具體項目需求而定；
- 測序讀長：2*150bp。
案例一：全基因組關聯分析揭示大豆農藝性狀的遺傳網絡
不同復雜性狀間的耦合是分子設計育種的關鍵科學問題。作物的產量、品質等大都是多基因控制的復雜性狀，由于受到一因多效和遺傳連鎖累贅的影響，使某些性狀在不同材料和育種后代中協同變化，呈現耦合性相關。解析大豆復雜性狀間耦合的遺傳調控網絡，明確關鍵調控單元，對于高產優質大豆新品種的培育具有重要意義。
材料和方法：對 809 份大豆栽培材料進行了重測序（平均深度為 8.3×），并對其遺傳多樣性進行了分析，明確了這些材料的群體結構。進而，對這 809 份材料的 84 個產量和品質性狀進行了連續多年多點的觀測。進一步，該團隊利用全基因組關聯分析并結合新開發的上位性效應檢測方法，對 84 個性狀的調控位點進行了系統的全基因組掃描，解析不同農藝性狀之間的內在遺傳調控網絡。
1、鑒定出 84 個性狀的 245 個顯著性關聯位點
▲圖 1：大豆株高的 GWAS。【a】809 個大豆品種株高的分布；【b】 所有品種 GWAS 的結果，在 GWAS 結果中，已知的基因 DT1 和 E2 都被鑒定出來；【c】株高的 Q - Q 圖；【d】DT1 等位基因分組后株高的變化。已知的基因 DT1 將 809 份親本分為兩個亞組，具有不同的株高平均值；【e】 使用 DT1 亞組進行 GWAS 的結果；【f】DT1 亞組進行 GWAS 的 Q - Q 圖；【g】DT1 亞群內不同 DT2 基因型分組后的株高變異；【h】 使用 dt1 亞組進行 GWAS 的結果；【i】dt1 亞組進行 GWAS 的 Q - Q 圖；水平虛線表示 GWAS 的顯著閾值（2 × 10–7）。
2、脂肪酸和脂代謝相關的基因
▲圖 2：大豆脂肪酸含量遺傳調控的初步探討。【a】候選基因參與脂肪代謝途徑，主要參與大豆種子中脂肪酸（FA）合成的變異；虛線代表多個反應步驟；【b】總脂肪含量與高油含量等位基因數目的關系圖；【c】低緯度和高緯度地區種質的總 FA 含量；【d】低緯度和高緯度群體中高油等位基因的比例。
對于油含量相關性狀，共鑒定到 24 個脂肪酸代謝相關和 21 個脂代謝相關的基因，它們分別參與了不同的重要酶促反應。深入分析發現這些基因是通過加性效應共同調控多個大豆油脂性狀的形成。
3、大豆不同性狀間的遺傳調控網絡
圖 3：大豆不同性狀間的遺傳調控網絡；節點表示性狀及其對應的關聯位點；不同性狀關聯位點之間的邊由 LD 決定；涉及 Dt1，Dt2，E1，E2，Ln，Fan 和 Fap 的位點用實線圈表示，未知的位點用虛線圈表示。
這些關聯位點揭示了不同性狀間相互耦合的遺傳基礎。根據連鎖不平衡分析，發現 115 個關聯位點可相互連鎖，并將所觀測的 51 個性狀聯系起來，形成復雜的多性狀多位點調控網絡，該遺傳調控網絡很好地解釋了不同性狀間的耦合關系。研究還發現其中 23 個關聯位點起到了重要節點作用，對不同性狀的形成起到關鍵調控作用，并對其中部分位點在不同性狀耦合中的作用進行了驗證。
Fang C , Ma Y , Wu S , et al. Genome-wide association studies dissect the genetic networks underlying agronomical traits in soybean[J]. Genome Biology, 2017, 18(1):161. (IF=14.028).
-END-
