13.什么是metagenomic（宏基因組）

Magenomics 研究的對(duì)象是整個(gè)微生物群落。相對(duì)于傳統(tǒng)單個(gè)細(xì)菌研究來說，它具有眾多優(yōu)勢(shì)，其中很重要的兩點(diǎn)：

(1) 微生物通常是以群落方式共生于某一小生境中，它們的很多特性是基于整個(gè)群落環(huán)境及個(gè)體間的相互影響的，因此做Metagenomics研究比做單個(gè)個(gè)體的 研究更能發(fā)現(xiàn)其特性；

(2) Metagenomics研究無需分離單個(gè)細(xì)菌，可以研究那些不能被實(shí)驗(yàn)室分離培養(yǎng)的微生物。

宏基因組是基因組學(xué)一個(gè)新興的科學(xué)研究方向。宏基因組學(xué)（又稱元基因組學(xué)，環(huán)境基因組學(xué)，生態(tài)基因組學(xué)等），是研究直接從環(huán)境樣本中提取的基因組遺傳物質(zhì) 的學(xué)科。傳統(tǒng)的微生物研究依賴于實(shí)驗(yàn)室培養(yǎng)，元基因組的興起填補(bǔ)了無法在傳統(tǒng)實(shí)驗(yàn)室中培養(yǎng)的微生物研究的空白。過去幾年中，DNA測(cè)序技術(shù)的進(jìn)步以及測(cè)序 通量和分析方法的改進(jìn)使得人們得以一窺這一未知的基因組科學(xué)領(lǐng)域。

14.什么是SNP、SNV（單核苷酸位點(diǎn)變異）

單核苷酸多態(tài)性singlenucleotide polymorphism，SNP 或單核苷酸位點(diǎn)變異SNV。個(gè)體間基因組DNA序列同一位置單個(gè)核苷酸變異(替代、插入或缺失)所引起的多態(tài)性。不同物種、個(gè)體基因組DNA序列同一位置 上的單個(gè)核苷酸存在差別的現(xiàn)象。有這種差別的基因座、DNA序列等可作為基因組作圖的標(biāo)志。

人基因組上平均約每1000個(gè)核苷酸即可能出現(xiàn)1個(gè)單核苷酸多 態(tài)性的變化，其中有些單核苷酸多態(tài)性可能與疾病有關(guān)，但可能大多數(shù)與疾病無關(guān)。單核苷酸多態(tài)性是研究人類家族和動(dòng)植物品系遺傳變異的重要依據(jù)。在研究癌癥 基因組變異時(shí)，相對(duì)于正常組織，癌癥中特異的單核苷酸變異是一種體細(xì)胞突變（somatic mutation），稱做SNV。

15.什么是INDEL (基因組小片段插入）

基因組上小片段（>50bp）的插入或缺失，形同SNP/SNV。

什么是copy number variation （CNV）：基因組拷貝數(shù)變異，基因組拷貝數(shù)變異是基因組變異的一種形式，通常使基因組中大片段的DNA形成非正常的拷貝數(shù)量。例如人類正常染色體拷貝數(shù)是2，有些染色體區(qū)域拷貝數(shù)變成1 或3，這樣，該區(qū)域發(fā)生拷貝數(shù)缺失或增加，位于該區(qū)域內(nèi)的基因表達(dá)量也會(huì)受到影響。如果把一條染色體分成A-B-C-D四個(gè)區(qū)域，則A-B-C-C- D/A-C-B-C-D/A-C-C-B-C-D/A-B-D分別發(fā)生了C區(qū)域的擴(kuò)增及缺失，擴(kuò)增的位置可以是連續(xù)擴(kuò)增如A-B-C-C-D也可以是在其 他位置的擴(kuò)增，如A-C-B-C-D。

16.什么是structure variation （SV）

基因組結(jié)構(gòu)變異

染色體結(jié)構(gòu)變異是指在染色體上發(fā)生了大片段的變異。主要包括染色體大片段的插入和缺失（引起CNV的變化），染色體內(nèi)部的某塊區(qū)域發(fā)生翻轉(zhuǎn)顛換，兩條染色體 之間發(fā)生重組（inter-chromosome trans-location）等。一般SV的展示利用Circos 軟件。

17.什么是Segment duplication

一般稱為SD區(qū)域，串聯(lián)重復(fù)是由序列相近的一些DNA片段串聯(lián)組成。串聯(lián)重復(fù)在人類基因多樣性的靈長類基因中發(fā)揮重要作用。在人類染色體Y和22號(hào)染色體上，有很大的SD序列。

18.什么是genotype and phenotype

既基因型與表型；一般指某些單核苷酸位點(diǎn)變異與表現(xiàn)形式間的關(guān)系。

什么是Read?高通量測(cè)序平臺(tái)產(chǎn)生的序列標(biāo)簽就稱為reads。

19.什么是soft-clipped reads

當(dāng)基因組發(fā)生某一段的缺失，或轉(zhuǎn)錄組的剪接，在測(cè)序過程中，橫跨缺失位點(diǎn)及剪接位點(diǎn)的reads回帖到基因組時(shí)，一條reads被切成兩段，匹配到不同的區(qū) 域，這樣的reads叫做soft-clipped reads，這些reads對(duì)于鑒定染色體結(jié)構(gòu)變異及外源序列整合具有重要作用。

20.什么是multi-hits reads

由于大部分測(cè)序得到的reads較短，一個(gè)reads能夠匹配到基因組多個(gè)位置，無法區(qū)分其真實(shí)來源的位置。一些工具根據(jù)統(tǒng)計(jì)模型，如將這類reads分配給reads較多的區(qū)域。

什么是Contig?拼接軟件基于reads之間的overlap區(qū)，拼接獲得的序列稱為Contig（重疊群）。什么是Scaffold?基 因組de novo測(cè)序，通過reads拼接獲得Contigs后，往往還需要構(gòu)建454 Paired-end庫或Illumina Mate-pair庫，以獲得一定大小片段（如3Kb、6Kb、10Kb、20Kb）兩端的序列。基于這些序列，可以確定一些Contig之間的順序關(guān)系，這些先后順序已知的Contigs組成Scaffold。

什么是Contig N50？Reads 拼接后會(huì)獲得一些不同長度的Contigs。將所有的Contig長度相加，能獲得一個(gè)Contig總長度。

然后將所有的Contigs按照從長到短進(jìn)行 排序，如獲得Contig 1，Contig 2，Contig 3...………Contig 25。將Contig按照這個(gè)順序依次相加，當(dāng)相加的長度達(dá)到Contig總長度的一半時(shí)，最后一個(gè)加上的Contig長度即為Contig N50。

舉例：Contig 1+Contig 2+ Contig 3+Contig 4=Contig總長度*1/2時(shí)，Contig 4的長度即為Contig N50。Contig N50可以作為基因組拼接的結(jié)果好壞的一個(gè)判斷標(biāo)準(zhǔn)。什么是Scaffold N50？Scaffold N50與Contig N50的定義類似。Contigs拼接組裝獲得一些不同長度的Scaffolds。將所有的Scaffold長度相加，能獲得一個(gè)Scaffold總長 度。然后將所有的Scaffolds按照從長到短進(jìn)行排序，如獲得Scaffold 1，Scaffold 2，Scaffold 3...………Scaffold 25。將Scaffold按照這個(gè)順序依次相加，當(dāng)相加的長度達(dá)到Scaffold總長度的一半時(shí)，最后一個(gè)加上的Scaffold長度即為 Scaffold N50。

舉例：Scaffold 1+Scaffold 2+ Scaffold 3 +Scaffold 4 +Scaffold 5=Scaffold總長度*1/2時(shí)，Scaffold 5的長度即為Scaffold N50。Scaffold N50可以作為基因組拼接的結(jié)果好壞的一個(gè)判斷標(biāo)準(zhǔn)。什么是測(cè)序深度和覆蓋度？測(cè) 序深度是指測(cè)序得到的總堿基數(shù)與待測(cè)基因組大小的比值。假設(shè)一個(gè)基因大小為2M，測(cè)序深度為10X，那么獲得的總數(shù)據(jù)量為20M。覆蓋度是指測(cè)序獲得的序 列占整個(gè)基因組的比例。由于基因組中的高GC、重復(fù)序列等復(fù)雜結(jié)構(gòu)的存在，測(cè)序最終拼接組裝獲得的序列往往無法覆蓋有所的區(qū)域，這部分沒有獲得的區(qū)域就稱 為Gap。例如一個(gè)細(xì)菌基因組測(cè)序，覆蓋度是98%，那么還有2%的序列區(qū)域是沒有通過測(cè)序獲得的。