【正文】 項目名稱： 全基因組高分辨率中國（東亞）人群遺傳變異圖譜的繪制 首席科學家： 王俊 深圳華大基因研究院 起止年限： 至 依托部門： 深圳市科技局 二、預期目標 本項目的總體目標： 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 旨在集中頂尖基因組中心的測序和數(shù)據(jù)分析能力，基于新一代測序技術平臺，通過對 400 個人類個體黃種人低深度全基因組重測序并結合少數(shù)個體和家系高深度測序的方法，繪制一張 黃種人 的人類遺傳變異圖譜，建立起一套基于重測序技術構建重大疾病分 子標記集的研究思路和技術路線，極大加速人類常見復雜疾病的研究。本計劃目標包括檢測基因組非基因區(qū)內幾乎所有在人群中的出現(xiàn)頻率不低于 1 %的單核苷酸變異，基因區(qū)內幾乎所有出現(xiàn)頻率不低于 %的單核苷酸變異，以及全基因組上的拷貝數(shù)變異、結構性變異等大片段變異。這一數(shù)據(jù)資源將完全成為一個開放的公共資源，為各種疾病的關聯(lián)分析提供詳細的基礎數(shù)據(jù)；為解釋人類重大疾病發(fā)病機理、開展個性化預測、預防和治療打下基礎。此外，該項目還將加深人類群體遺傳學的理解，促進人類進化歷史研究。 五年預期目標 : 在本項目中，我們將針 對 不少于 400 個亞洲個體，共計 不少于 3Tb 的全基因組重測序數(shù)據(jù)，完成東亞代表人群頻度低至 1％的高分辨圖譜，同時繪制包括拷貝數(shù)變異、倒位變化的遺傳變異圖譜。設計可用于全基因組掃描的精細至 1％頻度的基因分型芯片。建立起一套針對大規(guī)模重測序數(shù)據(jù)、低頻度變異分析和結構性變異的分析流程和方法。預計將申請 5 個以上軟件著作權，發(fā)表 10 篇以上 SCI 文章，其中包括 Nature、 Science 級別文章， 培養(yǎng) 20 名研究生 和一支年輕的、 國際 一流團隊（百人以上）， 其中 30 名技術骨干 。 模樣品收集流程，表型定義清楚、收集方法規(guī)范統(tǒng)一、個人信息記錄完整且保密。為今后類似的大規(guī)模樣品收集工作提供典范。 ，能夠以較高的產(chǎn)量和穩(wěn)定的質量，日產(chǎn) 200Gb 數(shù)據(jù)，產(chǎn)出適用于不同研究目的的各類測序數(shù)據(jù)。 ，定義規(guī)范的數(shù)據(jù)格式，提供針對超大規(guī)模數(shù)據(jù)采集、傳輸、存儲、分析的高性能計算解決方案。 ，包括 SNPs、 CNV（拷貝數(shù)變異）、插入、刪除以及其它結構性變異。由于在人類單體型計劃（ HapMap）已經(jīng)識別了許多常見的 SNPs，該計劃將重點挖掘在人群中發(fā)生頻率較低的稀有多態(tài)性和基因組的結構變異， 并估計各種變異的等位基因型的頻率，確定穩(wěn)定遺傳的單體型結構，以及各變異之間的連鎖遺傳（ LD）模式，最終提供更有代表性、更全面的 SNP 集合，供基因分型芯片的探針設計作參考。 ，完善現(xiàn)有公共數(shù)據(jù)庫中人類基因組的參考序列。 、群體間的基因組變異研究提供支持。進一步揭示人類基因組突變和遺傳重組發(fā)生的內在機理。 基因組重測序數(shù)據(jù)展示方案，構建公眾可免費訪問的數(shù)據(jù)庫，提出具有可擴展性的大規(guī)模數(shù)據(jù)共享方案。 三、研究方案 1）總體思路： 人類基因組計劃和人類單體型計劃的完成，構建了第一代人類基因組遺傳多態(tài)性圖譜， 并推動了基因分型技術的發(fā)展，為全基因組關聯(lián)分析奠定了數(shù)據(jù)基礎，極大地推動了復雜常見疾病的基因組學研究。然而，由于當前遺傳多態(tài)性標記的密度較低，全基因組關聯(lián)性分析仍然只能解決一小部分與疾病相關聯(lián)的多態(tài)性位點，且所找到的目標區(qū)域范圍較大，需要大量額外驗證工作。唯有通過對更大的樣本群體進行大量全基因組測序工作 ，進行科學探索，發(fā)現(xiàn)新的在人群中更加稀有的遺傳多態(tài)性標記，構建高密度人類基因組遺傳多態(tài)性精細圖譜，才能突破當前復雜疾病研究的瓶頸。 自 20xx 年開始的測序技術革命使得基因組測序成本大幅降低，使得對大量人類個體進行測序并大規(guī)模發(fā)現(xiàn)遺傳多態(tài)性位點成為可能。通過模擬計算證明，對亞洲人隨機選取 不少于 400 個樣本，這樣的樣本容量可以保證 90%以上在人群中頻率為 %－ 1%的多態(tài)性位點的出現(xiàn)。如果對每個樣本進行 4 倍基因組深度測序，在考慮測序錯誤率，序列比對錯誤率及分布均勻性等實際因素的情況下，仍然能夠準確發(fā)現(xiàn)在人群 中頻率為 1%的多態(tài)性位點；在基因區(qū)所能有效檢測到的最低頻率甚至可達 %。在基本的群體基因組學結構的假定下，預期將發(fā)現(xiàn)至少 1500 萬例以上的單核甘酸多態(tài)性位點和 100 萬例以上的插入刪除多態(tài)性位點。這一精度可以大幅提高遺傳多態(tài)性標記的密度，將當前分子標記密度從每一千堿基一個提高到每 200bp 一個，從而發(fā)現(xiàn)與疾病關聯(lián)性更強，風險更高的稀有位點，極大降低了醫(yī)學基因組學研究的成本和技術門檻，對復雜疾病研究具有重大的推動作用。 通過對多個個體大量測序，還將發(fā)現(xiàn)大量基因組結構性變異，而這些結構性變異的特征和 意義目前研究剛剛起步，屬于未知領域。利用當前的測序技術，可從預計在進一步深入探索疾病關聯(lián)多態(tài)性位點的同時，還將首次獲得基因組結構性多態(tài)特征及其與疾病之間的關系。 此外，通過對 亞洲人 族群的群體基因組學研究，對人類進化生物學和群體遺傳學的理解也有著重大的作用。 2）技術途徑： 3）可行性分析： 在測序技術獲得歷史性突破的 20xx 年，國際千人基因組計劃順時而生，我國作為發(fā)起國之一，將在其中承擔黃種人的測序和數(shù)據(jù)分析工作。經(jīng)過本課題小組參與的前期先導實驗的工作，證實了整個項目在數(shù)據(jù)產(chǎn)出，數(shù)據(jù)同步， 數(shù)據(jù)分析及實現(xiàn)最終目標的可行性。另一方面， 20xx 年 11 月，本課題小組在世界著名的 Nature 雜志上，以封面文章的形式發(fā)表了第一個亞洲人基因組的重測序和數(shù)據(jù)分析工作，發(fā)現(xiàn)了超過 300 萬 SNP 位點 13 萬插入刪除位點及 2682 例結構性變異位點，也進一步證實了使用這一技術對人類個體進行測序并檢出多態(tài)性的可行性。通過第一個亞洲人基因組重測序項目（即“炎黃一號”）的順利開展，目前我們課題組已經(jīng)建立了一套針對新一代測序儀的數(shù)據(jù)產(chǎn)生、數(shù)據(jù)分析平臺。高通量的數(shù)據(jù)產(chǎn)出能力確保了該項目所需數(shù)據(jù)能夠順利 產(chǎn)生，強大的數(shù)據(jù)分析能力為 Tb 級別的數(shù)據(jù)處理和分析提供了保障。先期發(fā)表的炎黃一號數(shù)據(jù)庫也將作為數(shù)據(jù)展示的模型，添加入新的數(shù)據(jù)，成為一個中國人群基因組數(shù)據(jù)的展示平臺，共各國科學家共享。 4) 創(chuàng)新點： 本項目最大的創(chuàng)新之處在于利用新一代測序技術高速發(fā)展的契機，推出了針對中國人群的全基因組重測序計劃，研究成果將極大的提升我國在國際基因組學研究領域的地位、深入理解和保護我國豐富的遺傳資源、并為針對中國人群的疾病相關研究提供基礎數(shù)據(jù)。這一重大研究從規(guī)模和深度上都是史無前例的，是科研工作者對人類基因組學研究最大 的一次努力 。 。以日產(chǎn) 200Gb 堿基的速度，產(chǎn)生 不少于 3000Gb 的 400 個個體全基因組重測序數(shù)據(jù)，這在整個基因組學歷史上都是前所未有的創(chuàng)舉。 。自主搭建專門的信息化管理系統(tǒng)，用于所有測序數(shù)據(jù)的電子信息化管理和質量控制。及時反饋測序質量和結果，并記錄備查。 、計算平臺。針對大規(guī)模測序數(shù)據(jù)，我們將專門定制一套解決方案，用于數(shù)據(jù)的傳輸、存儲、分析等。具有專業(yè)性、可擴展性、可管理性等特點。 。 針對新的數(shù)據(jù)類型，我們將自主開發(fā)在數(shù)據(jù)處理和分析過程中所涉及到的所有分析方法和流程。包括質量控制、序列比對、 SNP 檢出、 SV 檢出、 CNV 檢出、 indel 檢出等。 、詳盡的新一代人類遺傳多態(tài)性圖譜。通過數(shù)據(jù)分析，預計將發(fā)現(xiàn)超過 1500 萬例 SNP 位點， 500 萬例插入刪除位點， 100 萬例結構性變異多態(tài)性位點。這一遺傳多態(tài)性圖譜的密度較之前的人類單體型計劃提高了 10 倍，將極大促進基因組醫(yī)學的研究。 課題設置 課題 中國（東亞）人群樣品收集和大規(guī)模數(shù)據(jù)產(chǎn)出 研究內容： 收集需要的樣本數(shù)， 達到 不少于 400 份純正的黃種人樣品。 1）通過國際協(xié)商，制定統(tǒng)一的樣品采集標準與流程。 2）以規(guī)范化的操作采集樣品，保存?zhèn)€人信息并匿名處理，保存樣品。 共需產(chǎn)出 不少于 3000Gb 符合質量標準的測序數(shù)據(jù)。 1）文庫制備。根據(jù)需求，將分別構建不同插入片段長度的文庫，包括 200～500bp， 2～ 5kb 等。 2） cluster 生成及上機測序。根據(jù)需求，對不同樣品分別進行從 35bp singleend 測序到 100bp pairedend 測序。 預期目標： 完成 400 個樣品的收集工作。產(chǎn)出 3Tb 基因組重測序數(shù)據(jù)。 承擔單位： 深圳華大基因研究院 課題負責人： 李瑞強 學術骨干： 田埂、趙姣、李卓 經(jīng)費比例： 32% 課題 多個體全基因組重測序數(shù)據(jù)生物信息分析方法開發(fā) 研究內容： 1）全基因組短序列比對軟件開發(fā)。實現(xiàn)將不同長度、不同插入片段的短序列比對到參考基因組上的功能。 2）全基因組序列組裝軟件開發(fā)。實現(xiàn)獨立于參考基因組，直接對特定數(shù)據(jù)進行組裝的功能。 3）全基因組多態(tài)性檢出軟件開發(fā)。基于比對和組裝結果，生成一致序列。綜合考慮測序深度、測序質量、正反向信息等，實現(xiàn)多態(tài)性位點（ SNP、 SV、 CNV、indel）檢出。 預期目標： 開發(fā)多個體全基因組數(shù)據(jù)的比對軟件、多態(tài)性識別軟件、組裝軟件。 承擔單位： 深圳華大基因研究院 課題負責人： 李英睿 學術骨干： 高揚、朱紅梅、秦楠 經(jīng)費比例： 27% 課題 生物信息學和群體遺傳學分析 研究內容： 負責 3000Gb 以上 個人基因組數(shù)據(jù)的處理和分析工作。包括利用自主開發(fā)完成的軟件實現(xiàn)比對、多態(tài)性位點檢出、相位分析、多態(tài)性位點注釋、群體遺傳學分析等。 針對生物信息學數(shù)據(jù)分析的特點，定制高性能計算機解決方案，事先大規(guī)模重測序數(shù)據(jù)的管理、展示與共 享。 1）數(shù)據(jù)傳輸、存儲與分析。解決 1018數(shù)量級數(shù)據(jù)傳輸可能存在的高 I/O 問題，設計高效的數(shù)據(jù)存儲、備份方案，便于數(shù)據(jù)分析和計算。 2）數(shù)據(jù)展示。將個人基因組數(shù)據(jù)以數(shù)據(jù)庫的形式存儲、以 web 頁面的方式展示給用戶，供用戶查詢和下載。 3）數(shù)據(jù)共享。制定適用于大型合作項目的數(shù)據(jù)質控、共享、同步方案。 預期目標： 完成 不少于 3Tb 數(shù)據(jù)的基因組比對、多態(tài)性檢出工作。完成群體遺傳學分析。提供超大規(guī)模數(shù)據(jù)的傳輸、展示與共享的解決方案。 承擔單位： 深圳華大基因研究院 課題負責人： 王俊 學術骨干： 楊國華