已完成基因组测序的生物(植物部分)分析解析
水稻、玉米、大豆、甘蓝、白菜、高粱、黄瓜、西瓜、马铃薯、番茄、拟南芥、杨树、麻风树、苹果、桃、葡萄、花生
拟南芥籼稻粳稻葡萄番木瓜高粱黄瓜玉米栽培大豆苹果蓖麻野草莓马铃薯白菜野生番茄番茄梨甜瓜香蕉亚麻大麦普通小麦西瓜甜橙陆地棉梅毛竹桃芝麻杨树麻风树卷柏狗尾草属花生甘蓝
物种基因组大小和开放阅读框文献
Sesamum indicum L. Sesame 芝麻（2n = 26）293.7 Mb, 10,656 orfs 1
Oryza brachyantha短药野生稻261 Mb, 32,038 orfs 2
Chondrus crispus Red seaweed爱尔兰海藻105 Mb, 9,606 orfs 3
Pyropia yezoensis susabi-nori海苔43 Mb, 10,327 orfs 4
Prunus persica Peach 桃226.6 of 265 Mb 27,852 orfs 5
Aegilops tauschii 山羊草（DD）4.23 Gb (97% of the 4.36), 43,150 orfs 6 Triticum urartu 乌拉尔图小麦（AA）4.66 Gb (94.3 % of 4.94 Gb, 34,879 orfs 7 moso bamboo (Phyllostachys heterocycla) 毛竹2.05 Gb (95%) 31,987 orfs 8
Cicer arietinum Chickpea鹰嘴豆~738-Mb，28,269 orfs 9 520 Mb (70% of 740 Mb), 27,571 orfs 10
Prunus mume 梅280 Mb, 31,390 orfs 11
Gossypium hirsutum L.陆地棉2.425 Gb 12
Gossypium hirsutum L. 雷蒙德氏棉761.8?Mb 13
Citrus sinensis甜橙87.3% of ~367 Mb, 29,445 orfs 14
甜橙367 Mb 15
Citrullus lanatus watermelon 西瓜353.5 of ~425 Mb (83.2%) 23,440 orfs 16 Betula nana dwarf birch，矮桦450 Mb 17
Nannochloropsis oceanica CCMP1779微绿球藻（产油藻类之一）28.7 Mb，11,973 orfs 18
Triticum aestivum bread wheat普通小麦17 Gb, 94,000 and 96,000 orfs 19 Hordeum vulgare L. barley 大麦1.13 Gb of 5.1 Gb，26,159 high confidence orfs，53,000 low confidence orfs 20
Gossypium raimondii cotton 雷蒙德氏棉D subgenome,88% of 880 Mb 40,976 orfs 21
Linum usitatissimum flax 亚麻302 mb (81%), 43,384 orfs 22
Musa acuminata banana 香蕉472.2 of 523?Mb, 36,542 orfs 23
Cucumis melo L. melon 甜瓜375 Mb（83.3%）27,427 orfs 24
Pyrus bretschneideri Rehd. cv. Dangshansuli 梨（砀山酥梨）512.0 Mb (97.1%), 42,812 orfs 25,26
Solanum lycopersicum 番茄760/900 Mb，34727 orfs 27
S. pimpinellifolium LA1589野生番茄739 Mb
Setaria 狗尾草属（谷子、青狗尾草）400 Mb，25000-29000 orfs 28,29 Cajanus cajan pigeonpea木豆833 Mb，48,680 orfs 30
Nannochloropis gaditana 一种海藻~29 Mb, 9,052 orfs 31
Medicago truncatula蒺藜苜蓿350.2 Mb, 62,388 orfs 32
Brassica rapa 白菜485 Mb 33
Solanum tuberosum 马铃薯0.73 Mb,39031 orfs 34
Thellungiella parvula条叶蓝芥13.08 Mb 29,338 orfs 35
Arabidopsis lyrata lyrata 玉山筷子芥? 183.7 Mb, 32670 orfs 36
Fragaria vesca 野草莓240 Mb，34,809 orfs 37
Theobroma cacao 可可76% of 430 Mb, 28,798 orfs 38
Aureococcus anophagefferens褐潮藻32 Mb, 11501 orfs 39
Selaginella moellendorfii江南卷柏208.5 Mb, 34782 orfs 40
Jatropha curcas Palawan麻疯树285.9 Mb, 40929 orfs 41
Oryza glaberrima 光稃稻（非洲栽培稻）206.3 Mb (0.6x), 10 080 orfs (>70% coverage) 42
Phoenix dactylifera 棕枣380 Mb of 658 Mb, 25,059 orfs 43
Chlorella sp. NC64A小球藻属40000 Kb, 9791 orfs 44
Ricinus communis蓖麻325 Mb, 31,237 orfs 45
Malus domestica (Malus x domestica)苹果742.3 Mb 46
Volvox carteri f. nagariensis 69-1b一种团藻120 Mb, 14437 orfs 47 Brachypodium distachyon 短柄草272?Mb，25,532 orfs 48
Glycine max cultivar Williams 82栽培大豆1.1 Gb, 46430 orfs 49
Zea mays ssp. Mays Zea mays ssp. Parviglumis Zea mays ssp. Mexicana Tripsacum dactyloides var. meridionale 无法下载附表50
Zea mays mays cv. B73玉米2.06 Gb, 106046 orfs 51
Cucumis sativus 9930 黄瓜243.5 Mb, 63312 orfs 52
Micromonas pusilla金藻21.7 Mb, 10248 orfs 53
Sorghum bicolor 高粱697.6 Mb, 32886 orfs 54
Phaeodactylum tricornutum 三角褐指藻24.6 Mb, 9479 orfs 55
Carica papaya L. papaya 番木瓜271 Mb (75%), 28,629 orfs 56 Physcomitrella patens patens小立碗藓454 Mb, 35805 orfs 57
Vitis vinifera L. Pinot Noir, clone ENTAV 115葡萄504.6 Mb, 29585 orfs 58 Vitis vinifera PN40024葡萄475 Mb 59
Ostreococcus lucimarinus绿色鞭毛藻13.2 Mb, 7640 orfs 60 Chlamydomonas reinhardtii 莱茵衣藻100 Mb, 15256 orfs 61
Populus trichocarpa黑三角叶杨550 Mb, 45000 orfs 62
Ostreococcus tauri 绿藻12.6 Mb, 7892 orfs 63
Oryza sativa ssp. japonica 粳稻360.8 Mb, 37544 orfs 64
Thalassiosira pseudonana 硅藻25 Mb, 11242 orfs 65
Cyanidioschyzon merolae 10D红藻16.5 Mb, 5331 orfs 66
Oryza sativa ssp. japonica粳稻420 Mb, 50000 orfs 67
Oryza sativa L. ssp. Indica籼稻420 Mb, 59855 orfs 68
Guillardia theta -蓝隐藻，551 Kb, 553 orfs 69
Arabidopsis thaliana Columbia拟南芥119.7 Mb, 31392 orfs 70
参考文献
1 Zhang, H. et al. Genome sequencing of the important oilseed crop Sesamum indicum L. Genome Biology 14, 401 (2013).
2 Chen, J. et al. Whole-genome sequencing of Oryza brachyantha reveals mechanisms underlying Oryza genome evolution. Nat Commun 4, 1595 (2013).
3 Collén, J. et al. Genome structure and metabolic features in the red seaweed Chondrus crispus shed light on evolution of the Archaeplastida. Proceedings of the National Academy of Sciences 110, 5247-5252 (2013).
4 Nakamura, Y. et al. The first symbiont-free genome sequence of marine red alga, susabi-nori Pyropia yezoensis. PLoS ONE 8, e57122 (2013).
5 Verde, I. et al. The high-quality draft genome of peach (Prunus persica) identifies unique patterns of genetic diversity, domestication and genome evolution. Nature Genetics advance online publication (2013).
6 Jia, J. et al. Aegilops tauschii draft genome sequence reveals a gene repertoire for wheat adaptation. Nature 496, 91-95 (2013).
7 Ling, H.-Q. et al. Draft genome of the wheat A-genome progenitor Triticum urartu. Nature 496, 87-90 (2013).
8 Peng, Z. et al. The draft genome of the fast-growing non-timber forest species moso bamboo (Phyllostachys heterocycla). Nature Genetics 45, 456-461 (2013).
9 Jain, M. et al. A draft genome sequence of the pulse crop chickpea (Cicer arietinum L.). Plant Journal, DOI: 10.1111/tpj.12173 (2013).
10 Varshney, R. K. et al. Draft genome sequence of chickpea (Cicer arietinum) provides a resource for trait improvement. Nat Biotech 31, 240-246 (2013).
11 Zhang, Q. et al. The genome of Prunus mume. Nat Commun 3, 1318 (2012).
12 Lee, M.-K. et al. Construction of a plant-transformation-competent BIBAC library and genome sequence analysis of polyploid Upland cotton (Gossypium hirsutum L.). BMC Genomics 14, 208 (2013).
13 Paterson, A. H. et al. Repeated polyploidization of Gossypium genomes and the evolution of spinnable cotton fibres. Nature 492, 423-427 (2012).
14 Xu, Q. et al. The draft genome of sweet orange (Citrus sinensis). Nat Genet 45,
59–66 (2013).
15 Belknap, W. R. et al. Characterizing the citrus cultivar Carrizo genome through 454 shotgun sequencing. Genome 54, 1005-1015 (2011).
16 Guo, S. et al. The draft genome of watermelon (Citrullus lanatus) and resequencing of 20 diverse accessions. Nat Genet 45, 51–58 (2013).
17 Wang, N. et al. Genome sequence of dwarf birch (Betula nana) and cross-species RAD markers. Mol Ecol Article first published online: 21 NOV 2012 DOI:
10.1111/mec.12131 (2012).
18 Vieler, A. et al. Genome, functional gene annotation, and nuclear transformation of the heterokont oleaginous alga Nannochloropsis oceanica CCMP1779. PLoS Genet 8, e1003064 (2012).
19 Brenchley, R. et al. Analysis of the bread wheat genome using whole-genome shotgun sequencing. Nature 491, 705-710 (2012).
20 Consortium, T. I. B. G. S. A physical, genetic and functional sequence assembly of the barley genome. Nature 491, 711–716 (2012).
21 Wang, K. et al. The draft genome of a diploid cotton Gossypium raimondii. Nature Genetics 44, 1098–1103 (2012).
22 Wang, Z. et al. The genome of flax (Linum usitatissimum) assembled de novo from short shotgun sequence reads. The Plant Journal 72, 461-473 (2012).
23 D'Hont, A. et al. The banana (Musa acuminata) genome and the evolution of monocotyledonous plants. Nature 488, 213–217 (2012).
24 Garcia-Mas, J. et al. The genome of melon (Cucumis melo L.). PNAS 109, 11872-11877 (2012).
25 reporter, A. G. s. Consortium releases pear genome data. GenomeWeb Daily News (2012).
26 Wu, J. et al. The genome of pear (Pyrus bretschneideri Rehd.). Genome
Res.Published in Advance November 13, 2012, doi:10.1101/gr.144311.112 (2012).
27 Consortium, T. T. G. The tomato genome sequence provides insights into fleshy fruit evolution. Nature 485, 635–641 (2012).
28 Bennetzen, J. L. et al. Reference genome sequence of the model plant Setaria. Nat Biotech 30, 555-561 (2012).
29 Zhang, G. et al. Genome sequence of foxtail millet (Setaria italica) provides insights into grass evolution and biofuel potential. Nat Biotech 30, 549-554 (2012).
30 Varshney, R. K. et al. Draft genome sequence of pigeonpea (Cajanus cajan), an orphan legume crop of resource-poor farmers. Nat Biotech 30, 83-89 (2012).
31 Radakovits, R. et al. Draft genome sequence and genetic transformation of the oleaginous alga Nannochloropis gaditana. Nat Commun 3, 686 (2012).
32 Young, N. D. et al. The Medicago genome provides insight into the evolution of rhizobial symbioses. Nature 480, 520–524 (2011).
33 Wang, X. et al. The genome of the mesopolyploid crop species Brassica rapa. Nat. Genet. 43, 1035-1039 (2011).
34 Consortium, T. P. G. S. Genome sequence and analysis of the tuber crop potato. Nature 475, 189-195 (2011).
35 Dassanayake, M. et al. The genome of the extremophile crucifer Thellungiella parvula. Nat. Genet. 43, 913-918 (2011).
36 Hu, T. T. et al. The Arabidopsis lyrata genome sequence and the basis of rapid genome size change. Nat. Genet. 43, 476-481 (2011).
37 Shulaev, V. et al. The genome of woodland strawberry (Fragaria vesca). Nat. Genet. 43, 109-116 (2011).
38 Argout, X. et al. The genome of Theobroma cacao. Nat. Genet. 43, 101-108 (2011).
39 Gobler, C. J. et al. Niche of harmful alga Aureococcus anophagefferens revealed through ecogenomics. PNAS 108, 4352-4357 (2011).
40 Banks, J. A. et al. The selaginella genome identifies genetic changes associated with the evolution of vascular plants. Science 332, 960-963 (2011).
41 Sato, S. et al. Sequence analysis of the genome of an oil-bearing tree, Jatropha curcas L. DNA Res. 18, 65-76 (2011).
42 Sakai, H. et al. Distinct evolutionary patterns of Oryza glaberrima deciphered by genome sequencing and comparative analysis. Plant Journal 66, 796-805 (2011).
43 Al-Dous, E. K. et al. De novo genome sequencing and comparative genomics of date palm (Phoenix dactylifera). Nat Biotech 29, 521-527 (2011).
44 Blanc, G. et al. The Chlorella variabilis NC64A genome reveals adaptation to photosymbiosis, coevolution with viruses, and cryptic sex. Plant Cell 22, 2943-2955 (2010).
45 Chan, A. P. et al. Draft genome sequence of the oilseed species Ricinus communis. Nat Biotech 28(951-956 (2010).
46 Velasco, R. et al. The genome of the domesticated apple (Malus x domestica Borkh.). Nat. Genet. 42, 833-839 (2010).
47 Prochnik, S. E. et al. Genomic analysis of organismal complexity in the multicellular green alga Volvox carteri. Science 329, 223-226 (2010).
48 Initiative, T. I. B. Genome sequencing and analysis of the model grass Brachypodium distachyon. Nature 463, 763-768 (2010).
49 Schmutz, J. et al. Genome sequence of the palaeopolyploid soybean. Nature 463, 178-183 (2010).
50 Hufford, M. B. et al. Comparative population genomics of maize domestication and improvement. Nat Genet 44, 808-811 (2012).
51 Wei, F. et al. The physical and genetic framework of the maize B73 genome. PLoS Genet 5, e1000715 (2009).
52 Huang, S. et al. The genome of the cucumber, Cucumis sativus L. Nat. Genet. 41, 1275-1281 (2009).
53 Worden, A. Z. et al. Green evolution and dynamic adaptations revealed by genomes of the marine picoeukaryotes Micromonas. Science 324, 268-272 (2009).
54 Paterson, A. H. et al. The Sorghum bicolor genome and the diversification of grasses. Nature 457, 551-556 (2009).
55 Bowler, C. et al. The Phaeodactylum genome reveals the evolutionary history of diatom genomes. Nature 456, 239-244 (2008).
56 Ming, R. et al. The draft genome of the transgenic tropical fruit tree papaya (Carica papaya Linnaeus). Nature 452, 991-996 (2008).
57 Rensing, S. A. et al. The Physcomitrella genome reveals evolutionary insights into the conquest of land by plants. Science 319, 64-69 (2008).
58 Velasco, R. et al. A high quality draft consensus sequence of the genome of a heterozygous grapevine variety. PLoS One 2, e1326 (2007).
59 Jaillon, O. et al. The grapevine genome sequence suggests ancestral hexaploidization in major angiosperm phyla. Nature 449, 463-467 (2007).
60 Palenik, B. et al. The tiny eukaryote Ostreococcus provides genomic insights into the paradox of plankton speciation. PNAS 104, 7705-7710 (2007).
61 Merchant, S. S. et al. The Chlamydomonas genome reveals the evolution of key animal and plant functions. Science 318, 245-250 (2007).
62 Tuskan, G. A. et al. The genome of black cottonwood, Populus trichocarpa (Torr. & Gray). Science 313, 1596-1604 (2006).
63 Derelle, E. et al. Genome analysis of the smallest free-living eukaryote Ostreococcus tauri unveils many unique features. PNAS 103, 11647-11652 (2006). 64 Project, I. R. G. S. The map-based sequence of the rice genome. Nature 436,
793-800 (2005).
65 Armbrust, E. V. et al. The genome of the diatom Thalassiosira Pseudonana: ecology, evolution, and metabolism. Science 306, 79-86 (2004).
66 Matsuzaki, M. et al. Genome sequence of the ultrasmall unicellular red alga Cyanidioschyzon merolae 10D. Nature 428, 653-657 (2004).
67 Goff, S. A. et al. A draft sequence of the rice genome (Oryza sativa L. ssp. japonica). Science 296, 92-100 (2002).
68 Yu, J. et al. A draft sequence of the rice genome (Oryza sativa L. ssp. indica). Science 296, 79-92 (2002).
69 Douglas, S. et al. The highly reduced genome of an enslaved algal nucleus. Nature 410, 1091-1096 (2001).
70 Kaul, S. et al. Analysis of the genome sequence of the flowering plant Arabidopsis thaliana. Nature 408, 796-815 (2000).
宏基因组分析和诊断技术在急危重症感染应用的专家共识
宏基因组分析和诊断技术在急危重症感染应用的专家共识 感染是急危重症患者死亡的主要原因之一。近年来，随着新发病原微生物的出现、耐药病原微生物的增多以及免疫抑制宿主的增加，感染的发病率和死亡率仍居高不下，脓毒症(严重感染)患者病死率高达50%[1-3]。最新调查研究发现，中国脓毒症相关性标化死亡率为66.7例/10万人口，全国每年共有脓毒症相关性死亡病例近103万例[3]。重症感染起病急、进展快、病原体复杂，短时间内能否明确致病病原微生物至关重要。 传统的病原微生物检测方法主要包括形态学检测、培养分离、生化检测、免疫学和核酸检测。因操作简单、快速、技术要求不高，同时具有一定的诊断敏感性和特异性，目前仍在临床上广泛使用。但传统的检测方法在敏感性、特异性、时效性、信息量等方面存在局限，而且对于未知或者罕见的病原微生物，无法快速识别。 基于宏基因组新一代测序技术(metagenomics next-generation sequencing，mNGS)不依赖于传统的微生物培养，直接对临床样本中的核酸进行高通量测序，然后与数据库进行比对分析，根据比对到的序列信息来判断样本包含的病原微生物种类，能够快速、客观地检测临床样本中的较多病原微生物(包括病毒、细菌、真菌、寄生虫)，且无需特异性扩增[4-8]，尤其适用于急危重症和疑难感染的诊断。 为了规范运用mNGS进行病原微生物的诊断、正确解读检测结果和指导治疗，我们组织了急危重病、感染病学和病原微生物学相关领域的专家，制定了本共识。 1 mNGS分析和诊断技术是急危重症感染快速、精准诊疗的发展方向 新一代测序技术是一个开放的分析和诊断系统，目前已经纳入的病原体有8000多种，其中包括3000余种细菌、4000余种病毒、200余种真菌和140种寄生虫，为疑难危重症及罕见病原微生物感染的诊断提供了有效的技术手段。 自2008年成功应用于临床诊断新发病原体感染以来[9-10]，目前mNGS技术已经逐步用于临床疑难感染诊断，如华山医院张文宏团队[11]用mNGS协助确诊猪疱疹病毒的跨物种传播，并给予针对性治疗使患者痊愈，深圳市第三人民医院用mNGS确诊了一例罕见阿米巴脑炎[11-12]。 mNGS对脓毒症、免疫抑制宿主并发严重感染、重症肺部感染等疾病具有较高的临床应用价值，能够快速、精准地找到病原体；另外对于抗菌药物治疗方案的制定和治疗效果的评估具有一定的指导作用[9-16]。Long等[17]研究发现血培养联合mNGS诊断细菌或真菌感染，阳性率较单用血培养显著升高。以健康人群为基线，建立每种微生物在正常人群中的分布情况模型，进而计算脓毒症指数来评估检出微生物的核酸数量，Crumaz等[18]发现在脓毒症患者血液标本中病原菌的脓毒症指数绝对值、丰度显著升高，而且其变化与临床治疗效
植物数量性状全基因组选择研究进展
４期吴永升等：植物数量性状全基因组选择研究进展１５１１ 全基因组选择的概念和原理 全基因组选择（Ｇｅｎｏｍｅ－ｗｉｄｅｓｅｌｅｃｔｉｏｎ，ＧＷＳ），又称基因组选择（Ｇｅｎｏｍｉｃｓｅｌｅｃｔｉｏｎ，ＧＳ），由Ｍｅｕ—ｗｉｓｓｅｎ于２００１年首先提出∞Ｊ。主要是通过全基因组中大量的分子标记和参照群体（ｔｒａｉｎｉｎｇｐｏｐｕｌａ—ｔｉｏｎ）的表型数据建立ＢＬＵＰ模型估计出每一标记的育种值，然后仅利用同样的分子标记估计出后代个体育种值并进行选择［７】。 全基因组选择理论主要利用连锁不平衡信息，即假设标记与其相邻的ＱＴＬ处于连锁不平衡状态，因而由相同标记估计的不同群体的染色体片段效应是相同的，这就要求标记密度足够高以使所有的ＱＴＬ与标记处于连锁不平衡（ＬＤ）状态哺Ｊ。而目前随着拟南芥、水稻、玉米等植物基因组序列图谱及ＳＮＰ图谱的完成或即将完成，提供了大量的ＳＮＰ标记用于基因组研究。而随着ＳＮＰ芯片等大规模高通量ＳＮＰ检测技术的发展和成本的降低，使得全基因组选择应用成为可能。 ２全基因组选择的基本方法及案例说明 ２．１全基因组选择的基本方法 全基因组选择在实施过程中应该包括以下几个基本步骤：在需要实行选择的参照群体中获取参照群体的基因型数据和表现型数据；然后，通过ＢＬＵＰ程序估计出每个标记位点的标记效应值，从而获得育种值；最后，在接下来每一轮的选择中，不再需要表型数据，根据每一轮次群体基因型信息估计育种值，直接选择群体的优良单株【９ｊ。 全基因组选择的核心过程就是用从参照群体中每一个体的表现型数据和基因型数据建立的数学模型来估算接下来的育种群体中仅有基因型数据的个体的ＧＥＢＶ值。由既有表现型数据又有基因型数据的每一个体组成的群体被成为参照群体。参照群体用来估计数学模型的参数，这个参数接着用来计算仅有基因型数据的育种个体ＧＥＢＶ值，然后根据计算的ＧＥＢＶ值对育种群体进行选择并提升到下一轮次的选择中。因此，通过模型来预测个体的育种值，可以不进行表型鉴定就直接对育种群体的个体进行选择（Ｍｅｕｖｉｓｓｅｎ，２００１）。为了使估算的ＧＥＢＶ值尽可能地准确，参照群体必须具有代表性，尽可能地代表接下来在育种过程中用全基因组选择方法来进行选择的分离群体。 ２．２全基因组选择方法案例 如图ｌ所示，在这个例子中，笔者的目标是把外来种质中的优良性状基因（包括产量、矮杆、抗逆等）导入本地优良的自交系，从而实现种质的改良 图１在玉米中利用全基因组选择方法导入外源种质 Ｆｉｇ．１Ｇｅｎｏｍｅｗｉｄｅｓｅｌｅｃｔｉｏｎｔｏ ｉｎｔｒｏｇｒ％ｅｘｏｔｉｃｔｒａｉｔｓｉｎｔｏａｄａｐｔｅｄｍａｉｚｅ
诺禾致源高分文章集锦-植物基因组
陆地棉基因组测序揭示四倍体棉进化与纤维发育机制Sequencing of allotetraploid cotton (Gossypium hirsutum L. acc. TM-1) provides a resource for fiber improvement 研究对象：陆地棉遗传标准系TM-1 期刊：Nature Biotechnology 影响因子：41.514 合作单位：南京农业大学 发表时间：2015年4月 摘 要 Upland cotton is a model for polyploid crop domestication and transgenic improvement. Here we sequenced the allotetraploid Gossypium hirsutum L. acc. TM-1 genome by integrating whole-genome shotgun reads, bacterial artificial chromosome (BAC)-end sequences and genotype-by-sequencing genetic maps. We assembled and annotated 32,032 A-subgenome genes and 34,402 D-subgenome genes. Structural rearrangements, gene loss, disrupted genes and sequence divergence were more common in the A subgenome than in the D subgenome, suggesting asymmetric evolution. However, no genome-wide expression dominance was found between the subgenomes. Genomic signatures of selection and domestication are associated with positively selected genes (PSGs) for fiber improvement in the A subgenome and for stress tolerance in the D subgenome. This draft genome sequence provides a resource for engineering superior cotton lines.关键词 陆地棉；de novo；四倍体 研究背景 陆地棉（Gossypium hirsutum L.）隶属锦葵目（Malvales），锦葵科（Malvaceae），棉属（Gossypium），因最早在美洲大陆种植而得名，是世界上最重要的棉花栽培品种，占全球棉花种植面积的90%以上。尽管陆地棉在棉花产业中占据核心地位，但由于其为异源四倍体，相关的全基因组测序工作一直难以开展。来自南京农业大学、北京诺禾致源、美国德克斯大学的国际团队，利用最新测序技术，成功构建了高质量的陆地棉全基因组图谱，为进一步改良棉花的农艺性状提供了基础，同时也为多倍体植物的形成和演化机制提供了新的启示。
全基因组关联分析的原理和方法
全基因组关联分析(Genome-wide association study;GWAS)是应用基因组中 数以百万计的单核苷酸多态性(single nucleotide ploymorphism ，SNP)为分子 遗传标记，进行全基因组水平上的对照分析或相关性分析，通过比较发现影响复杂性状的基因变异的一种新策略。 随着基因组学研究以及基因芯片技术的发展，人们已通过GWAS方法发现并鉴定了大量与复杂性状相关联的遗传变异。近年来，这种方法在农业动物重要经济性状主效基因的筛查和鉴定中得到了应用。 全基因组关联方法首先在人类医学领域的研究中得到了极大的重视和应用，尤其是其在复杂疾病研究领域中的应用，使许多重要的复杂疾病的研究取得了突破性进展，因而，全基因组关联分析研究方法的设计原理得到重视。 人类的疾病分为单基因疾病和复杂性疾病。单基因疾病是指由于单个基因的突变导致的疾病，通过家系连锁分析的定位克隆方法，人们已发现了囊性纤维化、亨廷顿病等大量单基因疾病的致病基因，这些单基因的突变改变了相应的编码蛋白氨基酸序列或者产量，从而产生了符合孟德尔遗传方式的疾病表型。复杂性疾病是指由于遗传和环境因素的共同作用引起的疾病。目前已经鉴定出的与人类复杂性疾病相关联的SNP位点有439 个。全基因组关联分析技术的重大革新及其应用，极大地推动了基因组医学的发展。(2005年, Science 杂志首次报道了年龄相关性视网膜黄斑变性GWAS结果,在医学界和遗传学界引起了极大的轰动, 此后一系列GWAS陆续展开。2006 年, 波士顿大学医学院联合哈佛大学等多个研究机构报道了基于佛明翰心脏研究样本关于肥胖的GWAS结果(Herbert 等. 2006);2007 年, Saxena 等多个研究组联合报道了与2 型糖尿病( T2D ) 关联的多个位点, Samani 等则发表了冠心病GWAS结果( Samani 等. 2007); 2008 年, Barrett 等通过GWAS发现了30 个与克罗恩病( Crohns ' disrease) 相关的易感位点; 2009 年, W e is s 等通过GWAS发现了与具有高度遗传性的神经发育疾病——自闭症关联的染色体区域。我国学者则通过对12 000 多名汉族系统性红斑狼疮患者以及健康对照者的GWAS发现了5 个红斑狼疮易感基因, 并确定了4 个新的易感位点( Han 等. 2009) 。截至2009 年10 月, 已经陆续报道了关于人类身高、体重、 血压等主要性状, 以及视网膜黄斑、乳腺癌、前列腺癌、白血病、冠心病、肥胖症、糖尿病、精神分 裂症、风湿性关节炎等几十种威胁人类健康的常见疾病的GWAS结果, 累计发表了近万篇 论文, 确定了一系列疾病发病的致病基因、相关基因、易感区域和SNP变异。) 标记基因的选择： 1)Hap Map是展示人类常见遗传变异的一个图谱, 第1 阶段完成后提供了 4 个人类种族[ Yoruban ,Northern and Western European , and Asian ( Chinese and Japanese) ] 共269 个个体基因组, 超过100 万个SNP( 约1
植物功能基因组学及其研究技术_崔兴国
第9卷 第1期2007年3月 衡水学院学报 J o u r n a l o f H e n g s h u i U n i v e r s i t y V o l.9,N o.1 Ma r.2007植物功能基因组学及其研究技术 崔兴国 (衡水学院 生命科学系,河北 衡水053000) 摘 要:植物基因组的研究已经由以全基因组测序为目标的结构基因组学转向以基因功能鉴定为目标的功能基因组学研究.植物功能基因组学研究是利用结构基因组学积累的数据,从中得到有价值的信息,阐述D N A序列的功能,从而对所有基因如何行使其职能并控制各种生命现象的问题作出回答.近年来植物功能基因组学的研究技术主要包括表达序列标签、基因表达的系列分析、D N A微阵列和反向遗传学等.对植物功能基因组学的研究将有利于我们对基因功能的理解和对植物形状的定性改造和利用. 关键词:植物;功能基因组学;研究技术 中图分类号:Q3-3 文献标识码:A 文章编号:1673-2065(2007)01-0023-04 基因是细胞的遗传物质,决定细胞的生物学形状,细胞的生物学功能最终是由大量的基因表达完成的.随着人类基因组“工作框架图”的完成,生命科学研究的重点已经从结构基因组学转移到了功能基因组学的研究,特别是模式植物拟南芥(A r a b i d o p-s i s t h a l i a n a)和水稻(O r y z a s a t i v a)基因组测序的完成,公共数据库中已经积累了大量基因序列信息,获得了许多与植物发育相关的功能基因,在此基础上应用实验分析方法并结合统计和计算机分析来研究基因的表达、调控与功能,并相应诞生和发展了一批新的研究技术,为功能基因组学的研究提供了必要而有效的技术支撑.功能基因组学研究的最终目标是解析所有基因的功能,即从基因水平上大规模批量鉴定基因的功能,进而全面研究控制植物生长发育及响应环境变化的遗传机制,在基因组序列与细胞学行为之间起到桥梁作用,共同承担起从整体水平上解析生命现象的重任. 1 植物功能基因组学研究 植物的生长和发育是一个有机体或有机体的一部分形态建成和功能按一定次序而进行的一系列生化代谢反应的总合,反应在分子水平上,它要求相应的遗传代谢途径必须按照特定的时空次序严格进行以保证正常发育.植物功能基因组研究就是要利用植物全基因组序列的信息,通过发展和应用系统基因组水平的实验方法来研究和鉴别基因组序列的作用;研究基因组的结构、组织与植物功能在细胞、有机体和进化上的关系以及基因与基因间的调控关系;从表达时间、表达部位和表达水平3个方面对目的基因在植物中的精细调控进行系统研究.当前植物功能基因组学研究主要集中于一年生的拟南芥与水稻两个物种上,这主要是由于它们的遗传背景清楚,基因组较小,基因结构简单而且易于进行分子生物学操作.拟南芥研究组“2010计划”的宏伟目标是充分利用拟南芥基因组计划获得的序列信息并结合功能基因组研究技术来获知其25000个基因的全部功能,例如开花的诱导过程是植物生活周期中最奇妙的过程,目前从拟南芥中鉴定了提早开花和延迟开花的多种突变体,显示植物开花受多个遗传基因的控制,如延迟开花的两个突变体是由等位基因 C O(C O N S T A N S)和L D(C O L D L U M I N I D E P E N- D E N S)突变引起,这两个基因均已被克隆,并使其在转基因植物的叶片中进行表达,将C O基因转移到拟南芥中,高效表达C O蛋白的转基因植株即使处于短日照条件下也会开花,这说明C O基因具有激活开花基因的作用.对模式植物功能基因组的研究将有助于整个植物基因组学的研究. 目前的功能基因组研究主要包括以下几个方面:(1)c D N A全长克隆与测序;(2)获得D N A芯片 ①收稿日期:2006-10-12 作者简介:崔兴国(1963-),女,河北冀州市人,衡水学院生命科学系副教授.
已完成基因组测序的生物(植物部分)分析解析
水稻、玉米、大豆、甘蓝、白菜、高粱、黄瓜、西瓜、马铃薯、番茄、拟南芥、杨树、麻风树、苹果、桃、葡萄、花生 拟南芥籼稻粳稻葡萄番木瓜高粱黄瓜玉米栽培大豆苹果蓖麻野草莓马铃薯白菜野生番茄番茄梨甜瓜香蕉亚麻大麦普通小麦西瓜甜橙陆地棉梅毛竹桃芝麻杨树麻风树卷柏狗尾草属花生甘蓝 物种基因组大小和开放阅读框文献 Sesamum indicum L. Sesame 芝麻（2n = 26）293.7 Mb, 10,656 orfs 1 Oryza brachyantha短药野生稻261 Mb, 32,038 orfs 2 Chondrus crispus Red seaweed爱尔兰海藻105 Mb, 9,606 orfs 3 Pyropia yezoensis susabi-nori海苔43 Mb, 10,327 orfs 4 Prunus persica Peach 桃226.6 of 265 Mb 27,852 orfs 5 Aegilops tauschii 山羊草（DD）4.23 Gb (97% of the 4.36), 43,150 orfs 6 Triticum urartu 乌拉尔图小麦（AA）4.66 Gb (94.3 % of 4.94 Gb, 34,879 orfs 7 moso bamboo (Phyllostachys heterocycla) 毛竹2.05 Gb (95%) 31,987 orfs 8 Cicer arietinum Chickpea鹰嘴豆~738-Mb，28,269 orfs 9 520 Mb (70% of 740 Mb), 27,571 orfs 10 Prunus mume 梅280 Mb, 31,390 orfs 11 Gossypium hirsutum L.陆地棉2.425 Gb 12 Gossypium hirsutum L. 雷蒙德氏棉761.8?Mb 13 Citrus sinensis甜橙87.3% of ~367 Mb, 29,445 orfs 14 甜橙367 Mb 15 Citrullus lanatus watermelon 西瓜353.5 of ~425 Mb (83.2%) 23,440 orfs 16 Betula nana dwarf birch，矮桦450 Mb 17
全基因组重测序数据分析
全基因组重测序数据分析 1. 简介(Introduction) 通过高通量测序识别发现de novo的somatic和germ line 突变，结构变异-SNV，包括重排 突变（deletioin, duplication 以及copy number variation）以及SNP的座位；针对重排突变和SNP的功能性进行综合分析；我们将分析基因功能（包括miRNA），重组率（Recombination）情况，杂合性缺失（LOH）以及进化选择与mutation之间的关系；以及这些关系将怎样使 得在disease（cancer）genome中的mutation产生对应的易感机制和功能。我们将在基因组 学以及比较基因组学，群体遗传学综合层面上深入探索疾病基因组和癌症基因组。 实验设计与样本 （1）Case-Control 对照组设计； （2）家庭成员组设计：父母-子女组（4人、3人组或多人）； 初级数据分析 1．数据量产出：总碱基数量、Total Mapping Reads、Uniquely Mapping Reads统计，测序深度分析。 2．一致性序列组装：与参考基因组序列（Reference genome sequence）的比对分析，利用贝叶斯统计模型检测出每个碱基位点的最大可能性基因型，并组装出该个体基因组的一致序列。3．SNP检测及在基因组中的分布：提取全基因组中所有多态性位点，结合质量值、测序深度、重复性等因素作进一步的过滤筛选，最终得到可信度高的SNP数据集。并根据参考基 因组信息对检测到的变异进行注释。 4．InDel检测及在基因组的分布: 在进行mapping的过程中，进行容gap的比对并检测可信的short InDel。在检测过程中，gap的长度为1~5个碱基。对于每个InDel的检测，至少需 要3个Paired-End序列的支持。 5．Structure Variation检测及在基因组中的分布: 能够检测到的结构变异类型主要有：插入、缺失、复制、倒位、易位等。根据测序个体序列与参考基因组序列比对分析结果，检测全基因组水平的结构变异并对检测到的变异进行注释。
宏基因组学概述
宏基因组学概述
————————————————————————————————作者: ————————————————————————————————日期: ?
宏基因组学概述 王莹，马伊鸣 （北京交通大学土木建筑工程学院环境140２班） 摘要:随着分子生物学技术的快速发展及其在微生物生态学和环境微生物学研究中的广泛应用，促进了以环境中未培养微生物为研究对象的新兴学科——微生物环境基因组学(又叫宏基因组学、元基因组学，英文名Mｅｔａｇenomics)的产生和快速发展。宏基因组学通过直接从环境样品中提取全部微生物的DNＡ,构建宏基因组文库，利用基因组学的研究策略研究环境样品所包含的全部微生物的遗传组成及其群落功能．在短短几年内,宏基因组学研究已渗透到各个领域，包括海洋、土壤、热液口、热泉、人体口腔及胃肠道等,并在医药、替代能源、环境修复、生物技术，农业、生物防御及伦理学等各方面显示了重要的价值。本文对宏基因组学的主要研究方法、热点内容及发展趋势进行了综述 关键词:宏基因组宏基因组学环境基因组学基因文库的构建 Mａcｒo summary of Ｍetagenｏｍｉcs WanｇＹｉng，Ma Ｙi-Mｉｎｇ (BeｉjinｇＪiaoｔｏngUniｖeｒsiｔy, Inｓtitute of civiｌ enｇｉneerｉｎｇ,）Key ｗords:Metａgenｏmｅ; Ｍetagenoｍiｃs;The eｎviｒｏｎｍental genｏmics 宏基因组学（Meｔａgeｎomｉｃｓ)又叫微生物环境基因组学、元基因组学。它通过直接从环境样品中提取全部微生物的DNＡ,构建宏基因组文库,利用基因组学的研究策略研究环境样品所包含的全部微生物的遗传组成及其群落功能。它是在微生物基因组学的基础上发展起来的一种研究微生物多样性、开发新的生理活性物质（或获得新基因）的新理念和新方法。其主要含义是:对特定环境中全部微生物的总DNA(也称宏基因组，metａgeｎomｉc)进行克隆,并通过构建宏基因组文库和筛选等手段获得新的生理活性物质；或者根据ｒDNA数据库设计引物,通过系统学分析获得该环境中微生物的遗传多样性和分子生态学信息。 1.起源 宏基因组学这一概念最早是在19９８年由威斯康辛大学植物病理学部门的Jo Haｎｄelsman等提出的,是源于将来自环境中基因集可以在某种程度上当成一个单个基因组研究分析的想法，而宏的英文是"meta－"，具有更高层组织结构和动态变化的含义。后来伯克利分校的研究人员Kevin Chen和LｉoｒPaｃｈｔer将宏基因组定义为"应用现代基因组学的技术直接研究自然状态下的微生物的有机群落,而不需要在实验室中分离单一的菌株"的科学。 2 研究对象 宏基因组学(Ｍeｔagenｏｍics)是将环境中全部微生物的遗传信息看作一个整体自上而下地研究微生物与自然环境或生物体之间的关系。宏基因组学不仅克服了微生物难以培养的困难, 而且还可以结合生物信息学的方法, 揭示微生物之间、微生物与环境之间相互作用的规律, 大大拓展了微生物学的研究思路与方法, 为从群落结构水平上全面认识微生物的生态特征和功能开辟了新的途径。目前, 微生物宏基因组学已经成为微生物研究的热点和前沿, 广泛应用于气候变化、水处理工程系统、极端环境、人体肠道、石油污染、生物冶金等领域, 取得了一系列引人瞩目的重要成果。 3 研究方法
植物基因组测序
千年基因将应邀参加第十六届全国植物基因组学大会 第十六届全国植物基因组学大会将于2015年8月19日-22日在陕西杨凌召开，千年基因应邀参加此次会议，并将在会场学术交流区设立展台。届时千年基因的技术团队会向大家展示我们最全面的测序平台、一站式的基因组学解决方案以及近年来在植物基因组学领域取得的科研成果，欢迎广大科研人员莅临指导交流！ 在测序平台方面，千年基因目前拥有国内最全面的测序平台，能够为科研人员提供一站式解决方案。以PacBio RS II三代平台为例，千年基因自去年提供PacBio RS II测序以来，通过项目经验的积累及严格的质量控制，目前各项数据指标已达国内最高水平。数据产出已稳步升级至1.4Gb/ SMRT cell，读长最长可达42 Kb，reads N50高达18Kb，远超PacBio官方提供的数据标准！在植物基因组de novo测序的研究中，千年基因提供的超长读长测序可更好地跨越基因组高重复序列、转座子区域以及大的拷贝数变异区域和结构变异区，从而实现对高杂合及高重复基因组的完美组装。在植物转录组测序的研究中，千年基因提供的超长读长测序无需拼接即可获得全长转录组序列信息，同时可获得全面的可变剪切、融合基因以及Isoform信息。另外，千年基因提供的HiSeq 4000及HiSeq 2000/2500测序可解决研究人员在植物基因组重测序、转录组测序、小RNA测序等方面的科研需求。 在项目经验方面，千年基因与来自全球的科研人员合作开展了大量植物基因组项目，相关成果已发表于Nature、Nature Genetics、Science等杂志。例如，油棕榈基因组项目在Nature 杂志同时发表两篇文章，辣椒基因组项目的成果发表于Nature Genetics，玉米基因组项目的成果发表于Science。在国外合作方面，千年基因与美国爱荷华州立大学Patrick Schnable教授领导的国际玉米基因组团队合作开展的上万份玉米样本重测序项目也正在进行中；千年基因与国际半干旱热带作物研究所建立长期战略合作关系，正在开展上千份木豆、鹰嘴豆及高粱样本的群体遗传学研究；同时千年基因与华盛顿大学的Evan Eugene Eichler院士及佐治亚大学的Jeffrey Lynn Bennetzen院士也有大量基因组项目合作。在国内合作方面，千年基因与广东省农科院、山东省农科院共同启动的花生基因组项目已全部完成de novo测序及数据挖掘，同时与中国科学院、北京大学、中国农业大学、中国科学技术大学、上海交通大学、
全基因组从头测序(de novo测序)
全基因组从头测序(de novo测序) https://www.wendangku.net/doc/227728178.html,/view/351686f19e3143323968936a.html 从头测序即de novo 测序，不需要任何参考序列资料即可对某个物种进行测序，用生物信息学分析方法进行拼接、组装，从而获得该物种的基因组序列图谱。利用全基因组从头测序技术，可以获得动物、植物、细菌、真菌的全基因组序列，从而推进该物种的研究。一个物种基因组序列图谱的完成，意味着这个物种学科和产业的新开端！这也将带动这个物种下游一系列研究的开展。全基因组序列图谱完成后，可以构建该物种的基因组数据库，为该物种的后基因组学研究搭建一个高效的平台；为后续的基因挖掘、功能验证提供DNA序列信息。华大科技利用新一代高通量测序技术，可以高效、低成本地完成所有物种的基因组序列图谱。包括研究内容、案例、技术流程、技术参数等，摘自深圳华大科技网站 https://www.wendangku.net/doc/227728178.html,/service-solutions/ngs/genomics/de-novo-sequencing/ 技术优势: 高通量测序：效率高，成本低；高深度测序：准确率高；全球领先的基因组组装软件：采用华大基因研究院自主研发的SOAPdenovo软件；经验丰富：华大科技已经成功完成上百个物种的全基因组从头测序。 研究内容: 基因组组装■K-mer分析以及基因组大小估计；■基因组杂合模拟（出现杂合时使用）； ■初步组装；■GC-Depth分布分析；■测序深 度分析。基因组注释■Repeat注释； ■基因预测；■基因功能注释；■ ncRNA 注释。动植物进化分析■基因家族鉴定（动物TreeFam；植物OrthoMCL）；■物种系统发育树构建； ■物种分歧时间估算（需要标定时间信息）；■基因组共线性分析； ■全基因组复制分析（动物WGAC；植物WGD）。微生物高级分析 ■基因组圈图；■共线性分析；■基因家族分析； ■CRISPR预测；■基因岛预测（毒力岛）； ■前噬菌体预测；■分泌蛋白预测。 熊猫基因组图谱Nature. 2010.463:311-317. 案例描述 大熊猫有21对染色体，基因组大小2.4 Gb，重复序列含量36%，基因2万多个。熊猫基因组图谱是世界上第一个完全采用新一代测序技术完成的基因组图谱，样品取自北京奥运会吉祥物大熊猫“晶晶”。部分研究成果测序分析结果表明，大熊猫不喜欢吃肉主要是因为T1R1基因失活，无法感觉到肉的鲜味。大熊猫基因组仍然具备很高的杂合率，从而推断具有较高的遗传多态性，不会濒于灭绝。研究人员全面掌握了大熊猫的基因资源，对其在分子水平上的保护具有重要意义。 黄瓜基因组图谱黄三文, 李瑞强, 王俊等. Nature Genetics. 2009. 案例描述国际黄瓜基因组计划是由中国农业科学院蔬菜花卉研究所于2007年初发起并组织，并由深圳华大基因研究院承担基因组测序和组装等技术工作。部分研究成果黄瓜基因组是世界上第一个蔬菜作物的基因组图谱。该项目首次将传
宏基因组测序技术检测方法
宏基因组测序技术检测标准 简介： 宏基因组测序介绍 宏基因组学是以环境样品中的微生物群体基因组为研究对象，通过现代基因组技术手段包括功能基因的筛选和测序分析，对环境中微生物多样性、种群结构、进化关系、功能活性、相互协作关系以及环境之间的关系进行研究的新的微生物研究方法。随着高通量测序技术的发展，为宏基因组学研究提供了新的理想研究方法。高通量测序的方法无需分离环境中各种微生物，也无需构建克隆文库就可以直接对环境中所有微生物进行测序。可以真实客观的反映环境中微生物的多样性、种群结构、进化关系等。目前又可以分为针对16s DNA/18sDNA/ITS测序和针对宏基因组全序列的测序研究。下面就是对这两者的具体介绍。 一、16s DNA/18s DNA/ITS测序 16sDNA是最常用的微生物物种分子鉴定的标签，，通过对样品中16sDNA测序可以鉴定其中微生物物种的丰度和分布情况。目前，普遍使用Roche 454平台来对环境样品进行16s DNA测序。因为16s DNA序列比较相似，读长短的话，难以进行有效的比对，而454平台的平均读长在400bp左右，可以很好的避免此类问题。 二、宏基因组全测序 在这种测序方式中，我们可以假定一个环境中的所有微生物就是一个整体，然后对其中所有的微生物进行测序。这样我们就可以研究样品中的功能基因以及其在环境中所起的作用而不用关心其来自哪个微生物。可以发现新的基因，可以进行基因的预测，甚至有可能得到某个细菌基因组的全序列。此外，该项测序不单可以针对DNA水平，也可以针对全RNA进行基因表达水平的研究。 样品处理：
宏基因组样品收集主要有口腔，下呼吸道痰液，下呼吸道灌洗液，皮肤和粪便。样品采集遵照样品采集规范（人）所规定的操作来进行。尽量留足备份样品。核酸提取： 宏基因组核酸提取主要有两种方法：膜过滤法和直接裂解提取。对于液体样品如痰液，灌洗液两种方法都适用，对于固体样品如粪便宜采用直接裂解的方法。核酸提取后用NanoDrop ND-1000测定，260/280 = ， 260/230 = ，电泳检测DNA 应是完整的一条带。 测序Sequencing 1)16S/18S测序： Sanger测序： 用于低通量的16S/18S DNA测序，提取宏基因组后，首先通过PCR将16S/18S 序列扩增出来，再将其连接到克隆载体上，导入感受态细胞，涂平板做蓝白斑筛选，选出阳性克隆提质粒，对质粒进行测序反应，测序反应后纯化后用ABI 3130或ABI 3730进行毛细管电泳测序。 由于其测序准确率比较高，而通量非常低，现通常用做二代测序结果的验证。454 Platform： 454平台主要包括两种测序系统：454 GS FLX+ System和454 GS Junior System。454 GS FLX+ System测序读长可以达到600-1000bp，通量450-700M，GS Junior System测序读长在400bp左右，通量在35M。
宏基因组测序技术检测方法模板
宏基因组测序技术 检测方法
宏基因组测序技术检测标准 简介： 宏基因组测序介绍 宏基因组学是以环境样品中的微生物群体基因组为研究对象，经过现代基因组技术手段包括功能基因的筛选和测序分析，对环境中微生物多样性、种群结构、进化关系、功能活性、相互协作关系以及环境之间的关系进行研究的新的微生物研究方法。随着高通量测序技术的发展，为宏基因组学研究提供了新的理想研究方法。高通量测序的方法无需分离环境中各种微生物，也无需构建克隆文库就能够直接对环境中所有微生物进行测序。能够真实客观的反映环境中微生物的多样性、种群结构、进化关系等。当前又能够分为针对16s DNA/18sDNA/ITS测序和针对宏基因组全序列的测序研究。下面就是对这两者的具体介绍。 一、16s DNA/18s DNA/ITS测序 16sDNA是最常见的微生物物种分子鉴定的标签，，经过对样品中16sDNA测序能够鉴定其中微生物物种的丰度和分布情况。当前，普遍使用Roche 454平台来对环境样品进行16s DNA测序。因为16s DNA序列比较相似，读长短的话，难以进行有效的比对，而454平台的平均读长在400bp左右，能够很好的避免此类问题。 二、宏基因组全测序
在这种测序方式中，我们能够假定一个环境中的所有微生物就是一个整体，然后对其中所有的微生物进行测序。这样我们就能够研究样品中的功能基因以及其在环境中所起的作用而不用关心其来自哪个微生物。能够发现新的基因，能够进行基因的预测，甚至有可能得到某个细菌基因组的全序列。另外，该项测序不单能够针对DNA水平，也能够针对全RNA进行基因表示水平的研究。 样品处理： 宏基因组样品收集主要有口腔，下呼吸道痰液，下呼吸道灌洗液，皮肤和粪便。样品采集遵照样品采集规范（人）所规定的操作来进行。尽量留足备份样品。 核酸提取： 宏基因组核酸提取主要有两种方法：膜过滤法和直接裂解提取。对于液体样品如痰液，灌洗液两种方法都适用，对于固体样品如粪便宜采用直接裂解的方法。核酸提取后用NanoDrop ND-1000测定，260/280 = 1.8-2.0， 260/230 = 1.8-2.0，电泳检测DNA应是完整的一条带。 测序Sequencing 1)16S/18S测序： Sanger测序： 用于低通量的16S/18S DNA测序，提取宏基因组后，首先经过PCR将16S/18S序列扩增出来，再将其连接到克隆载体上，导
已基因组测序物种
已完成植物基因组测序情况（更新至2014年11月） 中文名拉丁名发表时间刊物科、属基因组大小拟南芥Arabidopsis thaliana 2000.12 Nature 十字花科、鼠耳芥属125M 水稻Oryza sativa. ssp. indica 2002.04 Science 禾本科、稻属466M 水稻Oryza sativa. ssp. japonica 2002.04 Science 禾本科、稻属466M 杨树Populus trichocarpa 2006.09 Science 杨柳科、杨属480M 葡萄Vitis vinifera 2007.09 Nature 葡萄科、葡萄属490M 衣藻Chlamydomonas reinhardtii 2007.01 Science 衣藻科、衣藻属130 M 小立碗藓Physcomitrella pattens 2008.01 Science 葫芦藓科、小立碗藓属480M 番木瓜Carica papaya 2008.04 Nature 番木瓜科、番木瓜属370M 百脉根Lotus japonicus 2008.05 DNA Res. 豆科472 Mb 三角褐指藻Phaeodactylum tricornutum 2008.11 Nature 褐指藻属27.4M 高粱Sorghum bicolor 2009.01 Nature 禾本科、高粱属730M 玉米Zea mays ssp. mays 2009.11 Science 禾本科、玉米属2300M 黄瓜Cucumis sativus 2009.11 Nature Genetics 葫芦科、黄瓜属350M 大豆Glycine max 2010.01 Nature 豆科、大豆属1100M 二穗短柄草Brachypodium distachyon 2010.02 Nature 禾本科、短柄草属260M 褐藻Ectocarpus 2010.06 Nature 水云属196M 团藻Volvox carteri 2010.07 Science 团藻属138M 蓖麻Ricinus communis 2010.08 Nature Biotechnology 大戟科、蓖麻属350M 小球藻Chlorella variabilis 2010.09 Plant Cell 小球藻科46M 苹果Malus × domestica 2010.09 Nature Genetics 蔷薇科、苹果属742M 森林草莓Fragaria vesca 2010.12 Nature Genetics 蔷薇科、草莓属240M 可可树Theobroma cacao 2010.12 Nature Genetics 梧桐科、可可属430-Mb 野生大豆Glycine soja 2010.12 PNAS 豆科、大豆属915.4 Mb 褐潮藻类Aureococcus anophagefferens 2011.02 PNAS 57M 麻风树Jatropha curcas 2010.12 DNA Res. 大戟科、麻风树属410M 卷柏Selaginella moellendorffii 2011.05 Science 卷柏属212M 枣椰树Phoenix dactylifera 2011.05 Nature biotechnology 棕榈科685M 琴叶拟南 芥 Arabidopsis lyrata 2011.05 Nature Genetics 十字花科、鼠耳芥属206.7 Mb 马铃薯Solanum tuberosum 2011.07 Nature 茄目、茄科、茄属844M 条叶蓝芥Thellugiella parvula 2011.08 Nature Genetics 盐芥属140M
植物功能基因组学概述
植物功能基因组学概述 XXX* (XXXXX) 摘要：植物功能基因组学是从整体水平研究基因的功能及表达规律的科学。对植物功能基因组学的研究将助于我们对基因功能的理解和对植物性状的定性改造和利用。本文简要介绍了植物功能基因组学的概念、研究内容和研究方法。 关键词：植物；功能基因组学；ESTs；SAGE Summarize of Plant Functional Genomics XXX （XXXXX） Abstract：Plant functional genomics studies provide a novel approach to the identification of genome-wide gene expression. It is currently being widely focused on the gene expression by transcript profiling and takes us rapidly forward in our understanding of plant biological traits. In this review, comprehensive of concepts, research contents and methodologies regarding plant functional genomics and transcript profiling are described. Key words: Plant; functional genomics; ESTs; SAGE 1 植物功能基因组学 基因组学(Genomics)是20世纪最后10年研究最活跃的领域之一。基因组学是指对所有基因的结构和功能进行分析的一门学科, 1986年由美国科学家Thomas Roderick提出, 兴起于20世纪90年代[1]。基因组学研究分为结构基因组学( structural genomics) 和功能基因组学( functional genomics)。结构基因组学代表基因组分析的早期阶段, 以建立生物体高分辨率遗传、物理和转录图谱为主, 以研究基因序列为目标。功能基因组学(Functional genomics)的研究又被称为后基因组学(Post genomics)研究，它是利用结构基因组学提供的信息和产物，通过在基因组或系统水平上全面分析基因的功能，使得生物学研究从对单一基因或蛋白质的研究转向对多个基因或蛋白质同时进行系统研究。 植物功能基因组学是植物后基因时代研究的核心内容,它强调发展和应用整体的(基因 组水平或系统水平)实验方法分析基因组序列信息、阐明基因功能,其特点是采用高通量的实验方法结合大规模的数据统计计算方法进行研究。基本策略是从研究单一基因或蛋白质上升到从系统角度研究所有基因或蛋白质。在植物功能基因组学的研究中，拟南芥和水稻是两种最常用的模式植物。目前, 功能基因组学在水稻、拟南芥等模式植物中取得了较快进展, 主要原因在于这两种植物已完成全基因组测序工作[2], 获得了结构基因组数据, 且遗传背景清楚, 易于开展分子生物学研究, 已率先步入后基因组时代。 2 植物功能基因组学研究内容 2、1基因组多样性研究[1] *联系人Tel：XXXXX；E-mail：XXXXX
宏基因组测序技术检测方法
宏基因组测序技术检测方法
宏基因组测序技术检测标准 简介： 宏基因组测序介绍 宏基因组学是以环境样品中的微生物群体基因组为研究对象，通过现代基因组技术手段包括功能基因的筛选和测序分析，对环境中微生物多样性、种群结构、进化关系、功能活性、相互协作关系以及环境之间的关系进行研究的新的微生物研究方法。随着高通量测序技术的发展，为宏基因组学研究提供了新的理想研究方法。高通量测序的方法无需分离环境中各种微生物，也无需构建克隆文库就可以直接对环境中所有微生物进行测序。可以真实客观的反映环境中微生物的多样性、种群结构、进化关系等。目前又可以分为针对16s DNA/18sDNA/ITS测序和针对宏基因组全序列的测序研究。下面就是对这两者的具体介绍。 一、16s DNA/18s DNA/ITS测序 16sDNA是最常用的微生物物种分子鉴定的标签，，通过对样品中16sDNA 测序可以鉴定其中微生物物种的丰度和分布情况。目前，普遍使用Roche 454平台来对环境样品进行16s DNA测序。因为16s DNA序列比较相似，读长短的话，难以进行有效的比对，而454平台的平均读长在400bp左右，可以很好的避免此类问题。 二、宏基因组全测序 在这种测序方式中，我们可以假定一个环境中的所有微生物就是一个整体，然后对其中所有的微生物进行测序。这样我们就可以研究样品中的功能基因以及其在环境中所起的作用而不用关心其来自哪个微生物。可以发现新的基因，可以进行基因的预测，甚至有可能得到某个细菌基因组的全序列。此外，该项测序不单可以针对DNA水平，也可以针对全RNA进行基因表达水平的研究。 样品处理： 宏基因组样品收集主要有口腔，下呼吸道痰液，下呼吸道灌洗液，皮肤和粪便。样品采集遵照样品采集规范（人）所规定的操作来进行。尽量留足备份样品。