人类基因组序列变异图，其中包含142万个单核苷酸多态性

微信号：8149027
不接反杀，想去别人群里开挂，开不了不用加。
复制微信号

　　通过检测对齐序列的高信心基础差异来鉴定候选SNP。对于TSC，对序列读数进行过滤，以排除低质量读数和主要已知重复序列的读数。序列使用还原的表示弹枪（RRS）方法和基因组比对（GA）彼此对齐，如上所述。对于GA的TSC数据，将读取与GenBank的可用大插入克隆（完成和具有可用phrap质量得分的草稿）进行了比较。为了分析克隆重叠，对所有可用的成品和未完成的基因组序列登录都对齐。使用两种方法检测SNP。NQS依赖于SNP底座周围的序列痕量质量来增加基本置信度18,22；使用NQ发现的大多数数据是使用SSAHASNP（基于超快的，基于哈希的算法实现）处理的（Z.N.，A。Cox和J.C.M，手稿中的手稿）。第二种方法基于贝叶斯分析的置信分数计算置信度24。多种方法用于在表达的序列标签（EST）重叠中找到SNP 24,25,27和用于靶向重新方程。剩余SNP的详细信息可以在单个DBSNP条目（http://www.ncbi.nlm.nih.gov/snp/）中找到。　　Megablast44用于将TSC SNP侧翼序列与基因组序列登录结合。如果在不少于270 bp的可用侧翼序列上发现了高质量的匹配（99％的身份或更高），则考虑使用SNP。匹配超过三个配置> 98％的SNP被认为是可能的重复区域，并留出了。使用D. Haussler提供的AGP格式文件（http://genome.ucsc.edu），相对于基因组组件的OO18构建（2000年9月5日）和OO15构建（2000年7月15日）生成了SNP坐标。　　使用NCBI SPIDEY比对工具将NCBI RefSEQ mRNA转录物31与基因组组装对齐。MRNA和基因组序列之间需要比对> 97％的序列相似性；通过考虑捐助者/受体站点来完善对齐。在GenBank记录中可用CD的注释的情况下，将CD的外显子在mRNA比对的范围内对齐。使用ReponMasker直接注释已知的人重复的区域（A. Smit，未发表）。　　为了表征核苷酸多样性，我们需要一个数据集，其中可以分析所有数据的高质量基础数量符合SNP检测质量标准的数量以及SNP的数量。为了确保分析的同质性，我们对来自桑格中心，圣路易斯华盛顿大学和怀特黑德基因组研究中心的450万个高质量TSC读物进行了单一分析。这些读取的GC含量为41％，与整个基因组相同，并且跨基因组分解数（按GC含量排序）的读取GC含量分布在所有垃圾箱的预期值的10％以内。读取覆盖范围分布良好：88％的连续200,000 bp窗口包含10,000多个对齐基础（5％）的SNP（见下文）。使用单个分析工具（SSAHASNP，NQS; Z.N.，A。Cox和J.C.M的实现），这些读取与可用的基因组序列（具有质量得分的完成和草稿）以及高质量基础（Meeting NQS）和SNP计数的数量对齐。我们将分析限制在基因组比对发现的SNP中，以使每个比较的簇深度恰好是两个染色体。我们通过计算符合NQ的职位数量来精确地测量了SNP发现的目标大小。这是理想的选择，因为对齐含有高质量和低质量的位置，但是只有符合NQ的人才是SNP发现的候选人。如果单个TSC读取与HGP的多个（重叠）BAC对齐的单个TSC，我们将SNP的数量和对齐BP的数量平均为所有读取的所有成对对齐。这些均匀的读取映射到单个BAC，并与重叠区域保持一致。使用经过验证的标准18,22排除代表重复基因座的读数：如果它们与99％相同，则将其与基因组的读数比对被排除在外。然后将基因组分为200,000 bp的连续垃圾箱（基于染色体搭配坐标）。对重复进行过滤单个读数：与基因组组装中多个垃圾箱保持一致的任何读数都被拒绝。最后，计算了与NQ相遇的杂合位置和基地。作为包含高比例重复序列的区域的最终过滤器，我们拒绝了任何bin，其中10％以上的读取映射到该箱也映射到另一个染色体。最后，为了避免由于采样不足而导致的统计波动，我们仅检查了88％的垃圾箱，其中至少10,000个对齐碱基符合NQ，因此可以检查SNP的SNP。　　通过模拟38进行合并建模，并假设根据其GC含量（图2C）和长度，对每种读取的恒定种群和每个读取的突变率进行了调整。为了评估围绕此估计值的标准偏差，重复了100次模拟。对于观察到的数据，由于紧密链接的位点的基因历史相关，计算CV周围的标准偏差很难。预期的是，这种相关性不应改变观察到的变异系数的平均值，而应影响其方差。为了估算观察到的数据周围的简历周围的差异，我们选择了100个还原数据集，每个数据集包含一个从常染色体沿每个200,000 bp bin的随机读取。在使用这种方法时，我们假设这些读数分开了200,000 bp并从无关的个体中取样，具有独立的家谱。重复该随机抽样程序100次，以估计观察到的CV的平均值和方差。　　杂合性分析的数据，包括每个垃圾箱的坐标，所检查的碱数和已识别的SNP的数量，可作为补充信息获得。

本文来自作者[yjmlxc]投稿，不代表颐居号立场，如若转载，请注明出处：https://yjmlxc.cn/jyan/202506-4261.html