Hi-C辅助棉花基因组组装
发布时间：2022-01-05 06:02
棉花是重要的天然纤维作物,在国民经济中占有重要地位。随着棉花基因组测序工作的深入展开,因棉花染色体小而多、基因组大、重复序列丰富等因素的存在,致使测序后基因组装配困难,甚至出现不正确拼接。Hi-C（High-throughput Chromosome Conformation Capture）技术即高通量染色质构象捕获技术,是以整个细胞核为研究对象,在全基因组范围内研究整个染色质DNA在空间位置上的关系,通过对染色质内全部DNA相互作用模式进行捕获,获得高分辨率的染色质三维结构信息。真核生物的Hi-C分析中显示了两种经典交互的模式,一种为顺式-反式比模式,即同一条染色体上的两位点间的交互频率显著高于不同染色体上两位点间的交互频率,基于这一模式,通过对Hi-C数据进行聚类,可以将测序得到的scaffold划分到相应的染色体上。另一种为距离依赖性衰减模式（distance-dependent-decay,DDD）,即交互频率会随着两位点的距离的增大而减小,基于该模式,可以对聚类好的scaffold进行排序定向。我们所已经于2012年完成了对雷蒙德氏棉的测序工作。但是由于遗传图谱的密度不高,...
【文章来源】：中国农业科学院北京市
【文章页数】：56 页
【学位级别】：硕士
【部分图文】：
Hi-C技术原理（Beltonetal.2012）
从而进行基因组组装（Xie et al. 2015; Korbel et al. 2013）。1.6.4 解析调控元件与基因的作用模式许多调控元件与基因的作用模式都是远程交互模式，即一维序列上与靶基因相差比控元件，会通过折叠盘曲等方式在三维空间上靠近靶基因，从而发挥作用。通过对原据进行标准化，去掉数据的背景噪声，即可找出真正的功能交互，若 Hi-C 数据的分辨比如人类的 Hi-C 数据的分辨率可以达到 1kb，便可以找出相应的调控元件和靶基因，从们的作用模式（Lu et al. 2013; Mifsud et al. 2015）。1.6.5 染色体相互作用差异比较分析通过比较不同发育阶段或不同处理下测出的某物种的 Hi-C 数据，分析染色质在不段或不同处理下的结构变化，从而分析不同发育阶段的基因的调控模式，或者不同处理结构的影响（Mcgovern et al. 2016; Feng et al. 2014）。1.7 Hi-C 辅助基因组组装Hi-C 辅助基因组组装的主要过程如图 1.2 所示：
图 1.3 利用 Hi-C 数据组装基因组示意图(Burton et al. 2013)Figure1.3 The pipline of genome assembly based on Hi-C data(Burton et al. 2013)a：将已经组装好的 contig/scaffold 及其对应的全基因组 Hi-C 数据作为输入文件。b：根据 Hi-C 数据的第一个经典模式间位点的交互显著低于染色体内部位点的交互，Lachesis 通过该原理将 contig/scaffold 进行聚类分群，确定其所在的染色体Hi-C 数据的第一个经典模式，即距离越近的两位点的交互越高，Lachesis 通过该原理将 contig/scaffold 进行排序。d：最后，件利用相邻 contig/scaffold 之间交互的精确位置信息来预测每个 contig/scaffold 的相对方向(Burton et al. 2013)。1.8 Hi-C 辅助基因组组装研究现状Hi-C 技术最早用在研究人类染色体构象，结果表明，染色体中任意两个 DNA 位点互强弱与它们的一维空间距离密切相关。因此，Job Dekker 等研究者认为，基因组上两位一维物理距离可以根据 Hi-C 技术捕获到的交互频率衡量，所以可以用 Hi-C 数据来辅助基装（Burton et al. 2013; Kaplan and Dekker 2013）。Dekker 和他的同事用 Hi-C 数据结合鸟枪法测序序列以及短序配对（short jump mate库序列得到的 scaffold 数据（Nagarajan et al. 2013），重新组装了人类基因组，其中定位尚未锚定到染色体上的 scaffold，其定位结果与其他方法得出的结论一致性高达 84%。其中聚类挂载到染色体的准确率更是高达 98%，而排序和定向的准确率也是高达到 99%(Ka
本文编号：3569875
【文章来源】：中国农业科学院北京市
【文章页数】：56 页
【学位级别】：硕士
【部分图文】：
Hi-C技术原理（Beltonetal.2012）
从而进行基因组组装（Xie et al. 2015; Korbel et al. 2013）。1.6.4 解析调控元件与基因的作用模式许多调控元件与基因的作用模式都是远程交互模式，即一维序列上与靶基因相差比控元件，会通过折叠盘曲等方式在三维空间上靠近靶基因，从而发挥作用。通过对原据进行标准化，去掉数据的背景噪声，即可找出真正的功能交互，若 Hi-C 数据的分辨比如人类的 Hi-C 数据的分辨率可以达到 1kb，便可以找出相应的调控元件和靶基因，从们的作用模式（Lu et al. 2013; Mifsud et al. 2015）。1.6.5 染色体相互作用差异比较分析通过比较不同发育阶段或不同处理下测出的某物种的 Hi-C 数据，分析染色质在不段或不同处理下的结构变化，从而分析不同发育阶段的基因的调控模式，或者不同处理结构的影响（Mcgovern et al. 2016; Feng et al. 2014）。1.7 Hi-C 辅助基因组组装Hi-C 辅助基因组组装的主要过程如图 1.2 所示：
图 1.3 利用 Hi-C 数据组装基因组示意图(Burton et al. 2013)Figure1.3 The pipline of genome assembly based on Hi-C data(Burton et al. 2013)a：将已经组装好的 contig/scaffold 及其对应的全基因组 Hi-C 数据作为输入文件。b：根据 Hi-C 数据的第一个经典模式间位点的交互显著低于染色体内部位点的交互，Lachesis 通过该原理将 contig/scaffold 进行聚类分群，确定其所在的染色体Hi-C 数据的第一个经典模式，即距离越近的两位点的交互越高，Lachesis 通过该原理将 contig/scaffold 进行排序。d：最后，件利用相邻 contig/scaffold 之间交互的精确位置信息来预测每个 contig/scaffold 的相对方向(Burton et al. 2013)。1.8 Hi-C 辅助基因组组装研究现状Hi-C 技术最早用在研究人类染色体构象，结果表明，染色体中任意两个 DNA 位点互强弱与它们的一维空间距离密切相关。因此，Job Dekker 等研究者认为，基因组上两位一维物理距离可以根据 Hi-C 技术捕获到的交互频率衡量，所以可以用 Hi-C 数据来辅助基装（Burton et al. 2013; Kaplan and Dekker 2013）。Dekker 和他的同事用 Hi-C 数据结合鸟枪法测序序列以及短序配对（short jump mate库序列得到的 scaffold 数据（Nagarajan et al. 2013），重新组装了人类基因组，其中定位尚未锚定到染色体上的 scaffold，其定位结果与其他方法得出的结论一致性高达 84%。其中聚类挂载到染色体的准确率更是高达 98%，而排序和定向的准确率也是高达到 99%(Ka
本文编号：3569875
本文链接：https://www.wllwen.com/nykjlw/nzwlw/3569875.html
最近更新
教材专著
