码迷,mamicode.com
首页 > 移动开发 > 详细

ngs中reads mapping-pku的生信课程

时间:2018-10-20 11:44:13      阅读:444      评论:0      收藏:0      [点我收藏+]

标签:拷贝   使用   内存   数量级   时间   bsp   一个   inf   现在   

4.NGS中的reads mapping

顾名思义,就是将测序的得到的DNA定位在基因组上。

技术分享图片

因为二代测序的得到的序列是较短的,reads mapping很好地解决了这个问题。

 技术分享图片

本质上reads mapping是一个双序列比对问题,但和之前讲的NW和SW的不一样,后者适用于两者长度相差不大的。

现在问题有几个特征:

1.reads和ref的长度有着跨数量级的差异,reads长度通常不超过100bp,而ref基因组通常在上百Mb。

2.数据量,NGS测序产生的数据量达到几百Gb,相当于几十个人的人类基因组。

3.数据质量。在双序列比对中通常假定序列本身不会出错,但是NGS所产生的reads质量参差不齐。

技术分享图片

reads可以说是镶嵌到基因组序列中的,对于基因组来说是局部比对,对于reads来说是全局比对,是一个混合型的alignment。

首先对基因组建立索引,也就是index,

技术分享图片

将每一个基因根据key映射到一个index,从而存储在不同的数据块中,尽量减少比对时间。

哈希可以来完成,以下例子:

技术分享图片

先给ACGT分别确定一个值,那么将求和作为哈希函数,将基因组中分段,然后进行映射存储。这样有一个reads之后就可以以O(1)时间内寻找位置。

通常有一定的容错性

技术分享图片

数据压缩中的前缀树和后缀树被应用于reads mapping。 这里也提到了bowtie和BTW(Burruws Wheeler transform),提高了内存利用效率和比对速度。

技术分享图片

在对短序列对比时,将所有的SQ都算出来,read中每个碱基都有一个测序质量,假定错配都是由测序错误引起的,从而计算出SQ。

在实际对read mapping的比对中,通常不使用序列比对分数,而使用mapping Quality(也就是最后一行的E),来筛选Read在Ref中的位置。 

 //这个415是如何得到的呢?是所有SQ的和。

当将reads正确映射到基因组之后,就可以来判断遗传变异。

根据遗传变异的尺寸,可以分为单个碱基水平的单核苷酸变异和多个:

技术分享图片

//这个图说的简直十分清晰。

SNV是最常见的遗传变异分析方法:包括替换碱基,或者插入删除碱基。

SV:包括大规模删除插入、倒转、易位、拷贝数变异。

技术分享图片

SNP calling是确定哪个基因位点存在变异,不涉及到对应位点的基因型。

Genotype calling是进一步确定变异位点的基因型是纯合的还是杂合的。

测序深度(sequencing depth):测序得到的碱基总量基因组大小的比值。 它与基因组覆盖度是一个正相关的关系。测序错误率和假阳性结果会随测序深度的提高而下降。

技术分享图片

//这张图它在说什么,我完全听不懂啊。什么就是纯和了,怎么就杂合了?

 技术分享图片

这里给出了一个简单的概率模型。

一个生物体的基因型,有三种情况,那么假设在基因测序中测到的有k个A,有n-k个a。

如果是AA,那么概率就是n-k个a错误概率的乘积,杂合子由1-二者之和。

那么如果知道生物体中三种基因型出现了概率作为先验概率,那么可以推算出,后验概率。

//其实这里不太明白D是什么?

ngs中reads mapping-pku的生信课程

标签:拷贝   使用   内存   数量级   时间   bsp   一个   inf   现在   

原文地址:https://www.cnblogs.com/BlueBlueSea/p/9820986.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!