【正文】 、樊偉、方林 經(jīng)費比例： 41% 各課題間相互關系 本項目的開展將 完全 由深圳華大基因研究院的團隊完成。課題設置分為三個主要部分：樣品收集和數(shù)據(jù)產(chǎn)出、生物信息方法開發(fā)、數(shù)據(jù)分析以及數(shù)據(jù)管理和展示?？傌撠熑耍?王俊 。 子課題一是整個課題的材料準備和數(shù)據(jù)產(chǎn)出部分。產(chǎn)生的 不少于 3000Gb 多個體全基因組重測序將用于構建高分辨率的中國（東亞）人群遺傳變異圖譜 。目前世界上沒有現(xiàn)成的軟件和流程可用于處理如此大規(guī)模的數(shù)據(jù)， 子課題二的設置主要是針對本項目中所產(chǎn)生的數(shù)據(jù)，開發(fā)相應的軟件和分析方法，為子課題三提供分析流程。子課 題三是對子課題一、二所產(chǎn)生的數(shù)據(jù)和分析方法的綜合應用。運用子課題二中開發(fā)的分析流程分析子課題一產(chǎn)出的大規(guī)模數(shù)據(jù)，并完成數(shù)據(jù)展示、共享工作。 四、年度計劃 研究內(nèi)容 預期目標 第 一 年 1） 開展樣品的收集和細胞系的構建工作； 2） 基因分型親子鑒定； 3） 開展已構建細胞系樣品的各種目標插入片段長度的基因組文庫構建并測序； 4） Exome 文庫的構建工作，并進行重測序。 5） 構建各種目標插入片段長度的文庫，并產(chǎn)出開發(fā)基因組比對軟件所需的測試數(shù)據(jù)； 6） 構建 fosmid/BAC 文庫，并產(chǎn)出測序數(shù)據(jù)； 7） 開發(fā)基于全基因組重測序數(shù)據(jù)的比 對軟件； 8） 全基因組鳥槍法組裝軟件的開發(fā)； 9） 開發(fā) fosmidtofosmid/BACto BAC 組裝軟件。 10） 計算機基礎設施的構建和優(yōu)化，搭建與合作者之間的高速信息通道。 1） 完成不少于 400例樣品的收集和細胞系的構建； 2） 完成基于基因分型的親子鑒定； 3） 完成大片段文庫制備技術的研發(fā)以及不少于 高質(zhì)量基因組文庫重測序數(shù)據(jù)的產(chǎn)出； 4） 完成 Exome捕獲文庫制備技術的研發(fā)測序數(shù)據(jù)的產(chǎn)出； 5） 完成軟件測試所需的各種目標插入長度片段的文庫的構建，完成不少于 350G 的測序數(shù)據(jù)的產(chǎn)出； 6） 完成 fomid/BAC 文庫的構建， 以及不少于 的 fosmid/BAC 文庫測序數(shù)據(jù)的產(chǎn)出； 7） 完成基因組比對軟件的開發(fā)； 8） 完成全基因組鳥槍法組裝軟件的原型； 9） 完成 fosmidtofosmid/BAC toBAC 組裝軟件的原型； 10）完成計算集群基礎架構和設施建設； 11）完成網(wǎng)絡部署，搭建高速信息通道； 12）培養(yǎng) 69 名技術骨干 研究內(nèi)容 預期目標 第 二 年 1） 構建基因組各種目標插入片段長度的基因組文庫； 2） Exome 文庫建立并測序； 3） 全基因組鳥槍法組裝軟件的開發(fā)； 4） 開發(fā) fosmidtofosmid/BAC–to BAC 組裝軟件。 5） 構建基因 組學綜合數(shù)據(jù)庫，保證數(shù)據(jù)分析結果的持續(xù)性收集，形成基因組研究的重要數(shù)據(jù)參考 6） 400 個亞洲人基因組數(shù)據(jù)入庫 1） 完成不少于 高質(zhì)量基因組文庫重測序數(shù)據(jù)的產(chǎn)出； 2） 完成不少于 100G 的 Exome 捕獲文庫測序數(shù)據(jù)的產(chǎn)出； 3） 完成全基因組鳥槍法組裝軟件的開發(fā)； 4） 完成 fosmidtofosmid/BAC–to BAC 組裝軟件的開發(fā)； 5） 初步形成綜合基因組數(shù)據(jù)庫框架； 6） 完成 400個亞洲個人基因組數(shù)據(jù)的入庫； 7） 培養(yǎng) 510 名骨干人才； 8） 前兩年完成 24篇 SCI論文的發(fā)表以及 23 個軟件著作權的申請。 第 三 年 1） 構建基因組各種目標插入片段長度的基因組文庫 2） Exome 文庫建立并測序； 3） 開發(fā) SNP 檢出軟件 4） 開發(fā) indel 檢出軟件 5） 開發(fā) SV 檢出軟件 6） 數(shù)據(jù)優(yōu)化存儲、可視化分析平臺的建設 1） 完成不少于 高質(zhì)量重測序數(shù)據(jù)的產(chǎn)出； 2） 不少于 200G 的 Exome 捕獲文庫測序數(shù)據(jù)的產(chǎn)出； 3） 完成 SNP 檢出軟件的開發(fā) 4） 完成 indel 檢出軟件的開發(fā) 5） 完成 SV 檢出軟件的開發(fā) 6） 優(yōu)化數(shù)據(jù)存儲方案； 7） 完成功能完備的基因組瀏覽器； 8） 完成個人基因組數(shù)據(jù)的在線管理和可視化分析平臺； 9） 培養(yǎng) 710 名 骨干人才。 研究內(nèi)容 預期目標 第 四 年 1） 根據(jù)產(chǎn)出數(shù)據(jù)，進一步完善各 種建庫技術，并進行流程化標準化； 2） 根據(jù)大規(guī)模數(shù)據(jù)分析結果，進一步進行多態(tài)性檢出軟件的優(yōu)化 3） 大規(guī)模多態(tài)性分析標準流程的建立 4） 對新發(fā)現(xiàn)的 SV和 indel進行 PCR測序驗證 5） 產(chǎn)出各種大規(guī)模多態(tài)性數(shù)據(jù)，包括 SNP、 indel，以及 SV。 6） 優(yōu)化查詢效率和任務調(diào)度； 7） 開展群體遺傳學分析 1） 完善大片段文庫制備與 exome捕獲文庫制備技術的標準流程。 2） 完善多態(tài)性數(shù)據(jù)檢出軟件與流程； 3） 完成大規(guī)模多態(tài)性分析標準流程的建立； 4） 完成新檢出 SV 和 indel 的 PCR測序驗證； 5） 完成大規(guī)模多態(tài)性數(shù)據(jù)的檢出 6） 完成查詢效率和任務調(diào)度的優(yōu)化； 7） 初步完成亞洲人群連鎖遺傳圖譜的構建； 8） 培養(yǎng) 79 名技術骨干。 第 五 年 1） 群體遺傳學分析； 2） 數(shù)據(jù)整理與總結； 3） 技術總結、財務總結； 4） 文章的撰寫與發(fā)表。 1） 完成大規(guī)模多態(tài)性數(shù)據(jù)的功能注釋和其它分析； 2） 完成多態(tài)性分析標準流程的建立； 3） 完善亞洲人群體遺傳學分析，完成進化和選擇等生物學問題的分析； 4） 完成課題技術總結和財務總結； 5） 后三年完成 68篇 SCI文章的撰寫和發(fā)表 以及 35 個軟件著作權的申請 。 一、研究內(nèi)容 擬解決的關鍵科學問題包括： 、大規(guī)模樣品收集。 作為大型國際合作項目，樣品收集的規(guī) 范性奠定了后期所有研究的基礎。只有嚴格、統(tǒng)一、規(guī)范的樣品收集流程和標準，才能保證最后分析結果的有效性，代表性和可靠性。為了保證數(shù)據(jù)分析的清晰， 全基因組高分辨率中國（東亞）人群遺傳變異圖譜的繪制 需要收集大量人類家系，通過家系回溯確保其遺傳背景對相應族群的代表性（ Fst1%）。如此大規(guī)模、高標準、多方協(xié)作的樣品收集工作，是前所未有的。 。 整個 全基因組高分辨率中國（東亞）人群遺傳變異圖譜的繪制 項目 預計將產(chǎn)生 至少 3Tb 的基因組序列，對測序通量和質(zhì)量提出了挑戰(zhàn)。由于多方面數(shù) 據(jù)分析的不同需求，需要以最合理的測序策略進行數(shù)據(jù)產(chǎn)出。 DNA 樣品將構建成不同片段長度的文庫，從 200～ 500bp， 2～ 5kbp 不等；不同的文庫將用于產(chǎn)生從 35bp Singleend 到 100bp Pairedend 不等的測序片段，以滿足單核甘酸多態(tài)性檢出，結構性變異檢出等各種類型數(shù)據(jù)分析的需要。 、傳輸、處理、存儲、展示。 測序技術的突破帶來數(shù)據(jù)量的急速增長，使得多個體全基因組重測序成為可能，但同時也給數(shù)據(jù)的存儲、處理、分析、展示帶來了巨大的挑戰(zhàn)。 全基因組高分辨率中國（東亞 ）人群遺傳變異圖譜的繪制 將產(chǎn)生的巨大生物學數(shù)據(jù)量對當前計算機科學造成了重大挑戰(zhàn)。在先前的研究中，我們通過“炎黃計劃”，完成了對第一個亞洲人基因組的測序和分析，建立起一套針對新一代測序數(shù)據(jù)的全基因組重測序分析流程。在本項目中，我們將以這套流程為基礎，從單個個體的數(shù)據(jù)擴展到更大規(guī)模的多個體全基因組重測序數(shù)據(jù)。一方面，力圖解決每天 200Gbp數(shù)據(jù)產(chǎn)出的采集、傳輸、處理、存儲的問題，另一方面，構建用戶友好的展示界面。 （ SNP）在群體中的檢出。 在群體中以全基因組重測序為技術手段檢測基因組多態(tài)性的 重要目的之一就是檢出在群體中發(fā)生頻率不足 1%的 SNP。以目前的測序手段，這與測序錯誤在同一數(shù)量級。我們計劃通過最大似然估計， 利用不同堿基類型測序深度以及測序質(zhì)量的分析來區(qū)分低頻 SNP 與測序錯誤，并通過基因組的連鎖不平衡信息（ LD， Linkage Disequiblium)估計 SNP 堿基型頻率，進一步優(yōu)化 SNP 分析結果。 （ indel）的檢出。 目前的群體遺傳學分析方法，對于 indel 的利用并不十分充分，主要是由于基于之前的基因分型數(shù)據(jù)無法開發(fā)出高效準確的 indel 檢出方法。 針對此項目中將產(chǎn)生的多個體全基因組重測序方法，我們預計將采用局部組裝的方法解決這一難題，建立起基于短序列比對的 indel 檢出方法和流程。 （ SV）的檢出。 結構多態(tài)性由于其發(fā)生機制復雜，難以重現(xiàn)等原因，成為多態(tài)性檢出的又一難點，難以直接通過比對得到結論，目前尚無現(xiàn)成的方法、流程。與傳統(tǒng)的基因分型方法不同，針對 1012 級別的數(shù)據(jù)量，采用新一代大規(guī)模高通量測序技術的全基因組雙向重測序方法，原則上能夠檢出并確認包括 CNV、片段插入 /缺失、片段重復、倒位、易位等在 內(nèi)的所有類型的復雜基因組結構多態(tài)。然而人類基因組中存在諸多的不確定性，因此本子課題將重點解決此關鍵問題，并在研究課題過程中探索理論基礎牢固、實用性強的生物信息學方法。 。 進一步開發(fā)針對多個體重測序數(shù)據(jù)的群體遺傳學分析方法，探索能夠代表中國人群的遺傳多態(tài)性特征的變異位點。長期以來，人類的歷史發(fā)展一直是人們熱衷于討論的一個話題。由于技術的限制，先前關于群體結構、進化的討論，通常只能基于基因組的部分區(qū)域、小規(guī)模人群等小規(guī)模數(shù)據(jù)。但是在人類發(fā)展、進化的長河上，基因組中處處在發(fā)生著變化，加之各類群 體遷移等因素，使得研究群體結構與進化成為一項非常復雜的課題。通過本課題的研究，我們將從具有統(tǒng)計效力的大規(guī)模群體中得到代表黃種人基因組的全部多態(tài)性信息，加之同期開展的國際千人基因組項目還將產(chǎn)生其他種群的 800 個個體的全基因組多態(tài)性數(shù)據(jù)，使人們第一次掌握了大量人類群體結構變遷、進化的數(shù)據(jù)，必將為此類研究帶來新的突破。 。 研究個人基因組的最終目標是造福于人類健康。在大規(guī)模測序出現(xiàn)之前，已經(jīng)