简化基因组利用酶切技术或其他实验手段降低基因组的复杂度,进而对基因组各类结构变异进行研究。常见的简化基因组测序有RAD和GBS。简化基因组通过对基因组特定区域进行测序,具有测序量低、性价比高、不依赖于参考基因组的优点,广泛应用在遗传图谱等样本量大的研究中。

 

 

应用领域

1. 个体基因组变异检测
2. 突变体功能突变位点定位
3. 群体遗传学分析
4. 全基因关联分析

 

 

技术路线

 

分析内容

有参考基因组 无参考基因组
1. 基因组电子酶切评估 (必须基于参考基因组)
1.1 电子酶切评估统计
1.2 基因组染色体Tags统计
1.3 酶切位点的染色体分布
2. 测序数据评估
3. 原始数据过滤
4. 比对数据统计
5. Variant分析
5.1 SNP检测、注释与统计
5.2 InDel检测、注释与统计
6.群体结构分析
6.1群体主成分分析(PCA分析)
6.2群体进化树分析
6.3群体结构分析(STRUCTURE图分析)
1. 测序质量评估
2. 原始数据过滤
3. GBS tag聚类/ RAD tag聚类和拼接
4. Variant分析
4.1 SNP检测、注释与统计
4.2 InDel检测、注释与统计
5.群体结构分析
5.1群体主成分分析(PCA分析)
5.2群体进化树分析
5.3群体结构分析(STRUCTURE图分析)
 
 
 
 

 

 

样品要求

样品浓度:≥25 ng/μl,总量≥2 μg ;OD260/280 = 1.8~2.0

 

 

项目周期

标准流程完成时间为55个工作日。

 

参考文献

[1] Xue H, Wang S, Yao J L, et al. Chromosome level high-density integrated genetic maps improve the Pyrus bretschneideri ‘DangshanSuli’v1. 0 genome[J]. BMC genomics, 2018, 19(1): 833.
[2] Chen L, Gao W, Chen S, et al. High-resolution QTL mapping for grain appearance traits and co-localization of chalkiness-associated differentially expressed candidate genes in rice[J]. Rice, 2016, 9(1): 48.

 

 

 

 

Q1: 可以用简化基因组测序来做QTL-seq分析吗?

A:由于简化基因组技术(GBS/RAD)是对基因组上的酶切片段进行测序,数据量一般只有基因组的1~10%,有可能会降低QTL定位的精度。同时,也无法进一步筛查QTL区间内的突变信息。因此,我们建议用全基因组重测序来进行QTL-seq分析。

 

Q2: 群体进化分析,需要选择简化基因组测序还是全基因组重测序?

A:考虑到自然群体极快的LD衰减距离, 简化基因组的覆盖度显得有所不足,全基因组重测序是趋势。推荐样本的全基因组重测序深度要大于基因组的10x

 

Q3: 如果无参物种做遗传图谱和QTL定位,用GBS还是RAD

A:无参物种必须做遗传图谱建议选择RAD。因为RAD获得的序列长,标记密度高。

 

 

水稻谷粒外观性状的遗传图谱QTL定位和垩白度相关差异表达基因的共定位研究

合作单位:华南农业大学

发表期刊:《Rice》

影响因子IF:3.417

 

实验取材:

遗传图谱:亲本indica PYZX 和 japonica P02428进行25x重测序,192株RIL子代进行GBS测序。

转录组:两个亲本和两个RIL极端性状池(H-Pool:高PGWC和DEC池,L-Pool:低PGWC和DEC池),每个RIL池由13株水稻组成。

 

研究结果:

通过BSA获得2711个重组标记并构建遗传图谱后,定位12个与谷粒形状和垩白相关的QTL,其中8个为新发现。在这8个新发现QTL中,6个与谷粒形状相关,1个与垩白相关,1个与两种性状都有关。

转录组测序发现高PGWC(垩白谷粒比例)和DEC(胚乳垩白含量)品种(H-Pool)与低PGWC和DEC品种(L-Pool)间存在711个差异基因,其中33个差异基因与之前发现的QTL 8、11和12存在共定位关系。

 

参考文献

Chen, Likai, et al. "High-resolution QTL mapping for grain appearance traits and co-localization of chalkiness-associated differentially expressed candidate genes in rice." Rice 9.1 (2016): 48.