第二讲 基因组测序与序列组装

1、 基因组就是一个物种中基因组就是一个物种中所有基因的整体组成。所有基因的整体组成。 基因组有两层意义：基因组有两层意义：遗遗传物质传物质和和遗传信息遗传信息。 要揭开生命的奥秘，要揭开生命的奥秘，就需要从就需要从整体水平整体水平研究研究基因的存在、基因的结基因的存在、基因的结构与功能、基因之间的构与功能、基因之间的相互关系。相互关系。 Zea mays 8,000Homo sapiens 3,000Oryza sativa 400Drosophila melanogaster 165Arabidopsis thaliana 100Saccharomyces cerevisiae 12E.col

2、i 4.6Genome Size (Mb)什么是什么是C 值？值？C值悖理：值悖理： 生物的复杂性与基因组的大小并不完全成比生物的复杂性与基因组的大小并不完全成比例增加例增加细菌细菌真菌真菌等等动物动物阴影部分为一个门内阴影部分为一个门内C-值的范围值的范围重复顺序重复顺序 高度重复顺序：高度重复顺序： 长度：几个长度：几个几千个几千个bp 拷贝数：几百个拷贝数：几百个上百万个上百万个 首尾相连，串联排列首尾相连，串联排列 集中分布于染色体的特定区段（如端粒，着丝粒等）集中分布于染色体的特定区段（如端粒，着丝粒等） 也称卫星也称卫星DNA 中度重复顺序：中度重复顺序： 一般分散于整个基因组中；

3、一般分散于整个基因组中； 长度和拷贝数差别很大长度和拷贝数差别很大 单一顺序：单一顺序： 基因主要位于单一顺序基因主要位于单一顺序 动物中单一顺序约占动物中单一顺序约占50 植物中单一顺序约占植物中单一顺序约占20 是遗传信息的物理和功能单位，包含是遗传信息的物理和功能单位，包含产生产生一条多肽链或功能一条多肽链或功能RNA所必需的全部核苷酸所必需的全部核苷酸序列。序列。 基因分类：基因分类： 编码编码RNA的基因，如的基因，如rRNA基因，基因，snRNA基因等；基因等； 编码蛋白质的基因编码蛋白质的基因2. 什么是基因？什么是基因？基因的不连续性基因的不连续性Intron 和和Exon:

4、大多数真核生物蛋大多数真核生物蛋白质基因的编码顺白质基因的编码顺序序(Exon)都被或长都被或长或短的非编码顺序或短的非编码顺序(Intron)隔开隔开基因家族基因家族 一群具有一群具有一致的一致的或或相似相似顺序顺序的基因的基因, ,有的还担负有的还担负类似的生物学功能类似的生物学功能, , 可以相互补偿可以相互补偿, , 比如比如:E2f :E2f transcription factor transcription factor 假基因假基因(Pseudogene) 来源于功能基因来源于功能基因 但已失去活性的但已失去活性的DNA序列序列产生假基因的原因有产生假基因的原因有:1. 由重复

5、产生的假基因由重复产生的假基因;2. 加工的假基因加工的假基因, 由由RNA反转录为反转录为cDNA 后再整合后再整合到基因组中到基因组中;3. 残缺的基因残缺的基因(Truncated gene) 重迭基因有以下几种情况：重迭基因有以下几种情况：*一个基因完全在另一个基因内部一个基因完全在另一个基因内部*部分重叠部分重叠* 两个基因共用少数碱基对两个基因共用少数碱基对 *一个基因完全在另一个一个基因完全在另一个基因内部基因内部如：如：B和和A， E和和D 其读码结构互不相同其读码结构互不相同 -ATG-/-AATGCC -/-ATAACG-/-TAA-A*BATGCCN-NNATAA*部分重

6、叠部分重叠 如：如：K和和C *两个基因共用少数两个基因共用少数碱基对碱基对 如：如：D和和J-TAATG-D 终止密码子终止密码子J 起始密码子起始密码子A 克隆于质粒中克隆于质粒中DNA用碱或热变用碱或热变性性B M13B M13克隆单链克隆单链DNADNAC C 噬粒克隆噬粒克隆DNADNAD PCRD PCR产生单链产生单链DNADNAA 高酶活性高酶活性B 无无533 外切酶活性外切酶活性C C 无无3 3 55 外切酶活性外切酶活性ddATP/ddCTP/ddGTP/ddTTP 的的3碳原子碳原子连接的是氢原子连接的是氢原子,不是不是羟基羟基哌啶1 ATACGTTA2 GTTAGA

7、TC3 ACGTTAGA4 CGTTAGAT5 GTTAGATCDNA 样品 TATGCAATCTAG与基因芯片上 65,000 种可能的八聚体进行杂交从而形成特定的结合图形计算机分析杂交图象并由探针的重叠情况推导样品的核酸序列1 ATACGTTA3 TACGTTAG4 ACGTTAGA2 CGTTAGAT5 GTTAGATC3 TACGTTAG4 ACGTTAGA2 CGTTAGAT互补序列为：ATACGTTAGATC样品序列为：TATGCAATCTAG利用基因芯片进行杂交测序的原理ABCABCABCABC小片段测序小片段测序计算机拼装计算机拼装ABC小片段测序小片段测序计算机拼装计算机拼装

8、鸟枪法鸟枪法(Shotgun)测序的问题测序的问题 CAATGCATTAGCAGCCAATGCGAP错装错装解决办法解决办法: 通过相邻已知通过相邻已知顺序作为探针筛选已有顺序作为探针筛选已有的基因组文库的基因组文库解决办法解决办法: 利用其它宿主菌利用其它宿主菌与载体重新构建文库与载体重新构建文库 先将染色体打成比较大的片段先将染色体打成比较大的片段(几十几十-几百几百Kb), 利用分利用分子标记将这些大片段排成重叠的克隆群子标记将这些大片段排成重叠的克隆群(Contig), 分别测分别测序后拼装序后拼装. 这种策略叫这种策略叫基于克隆群基于克隆群(contig-based)的策略的策略.ABCABC大片段大片段contig小片段测序拼装小片段测序拼装两种策略的比较两种策略的比较鸟枪法