【正文】 depth is the expected depth of the kmer. If we obtain the expected depth of kmer, we can calculate the genome size. Because the distribution of kmer frequency yields to Poisson distribution, we can consider the peak of the kmer distribution curve as the expected depth of kmer and calculate the genome size. Note: A total of 15,437,084,746 Kmers, the peak value on the right figure is 8, so the genome size is estimated as: 15,437,084,746/8= High Quality Read Rate after preprocess Assembly: Raw data VS preprocessed Data ? Questions ? Genome size estimation methods (Kmer amp。最后設(shè)計(jì)新路標(biāo)的 PCR引物，按照STS—PCR―反應(yīng)池 ” 方案篩選新的克隆，達(dá)到延伸的目的 。標(biāo)志之間的距離或圖距以物理距離如堿基對(duì)（ base pair； bp，Kb , Mb)表示。 ? 動(dòng)物基因組與植物基因組在基因分布上的共性和個(gè)性。 ? 基因組學(xué)研究的手段和技術(shù)已經(jīng)走在生命科學(xué)研究的最前沿。 ? 基因多態(tài)性的規(guī)模化研究就是基因組多態(tài)性的研究。 ? 基因組學(xué)的研究必然要上升到細(xì)胞機(jī)制、分子機(jī)制和系統(tǒng)生物學(xué)的水平。 ? 基因組信息來(lái)自于高效率和規(guī)?；a(chǎn)生的實(shí)驗(yàn)數(shù)據(jù)。 ? 物種衍變過(guò)程中基因組水平的變化。最精細(xì)的物理圖是核苷酸順序圖，最粗略的物理圖是染色體組型圖。 克隆 350A18序列輸入 end sequence database的查詢結(jié)果 四、 Clone Identification STSPCR BAC end sequencing Fingerprinting FISH CK2 CK1 CK2 CK1 13f06 267l16 481o07 250a15 204c23 340j13 對(duì) 15個(gè)克隆進(jìn)行 HindIII酶切后電泳結(jié)果 “工作框架圖”繪制 根據(jù)序列與 STS database進(jìn)行 blastn比較結(jié)果，將克隆定位末端序的比較， 判定延伸在 contig外的一端序列。 Cov) ? Assembly optimization (parameters) ? Assembly evaluation (454_Solexa EST) ? Unmappable solexa reads reuse (filterassemble) ? Scaffolding parison (ABI amp。 Bambus amp。 the BAC’s is %. We used dGTP Kit filling it. Sp6 T7 Completed sequence Sequenced clone BAC selected by endsequence 113L10 324K11 173F11 101A4 167P17 586C2 116K5 572B2 2544N5 R155E14 2022P23 2306M15 R149E15 60K ? Gap filling by end sequences Filling “interclone gaps” The actual and predicted fingerprint of R260J13 digested with HindIII Lane 1: marker, Lane 2: R260J13 digested with HindIII, 3 : the predicted 克隆 211B19組裝后的序列的錯(cuò)誤率為零 Whole Genome Shotgun This bacterium has a circular genome structure with 2,689,445 base pairs, the second largest one of thermophiles decoded pletely to date. Circular representation of the genome of T. tengcongensis 天下為公 國(guó)際一流測(cè)序生產(chǎn)線 7萬(wàn)克隆， 3000萬(wàn)堿基 /天 高產(chǎn)出、低成本： $/bp?￥ /bp?美分 /bp?分 /bp 基因組學(xué)： 數(shù)據(jù)導(dǎo)向的大科學(xué) 有數(shù)據(jù) 才是硬道理 世上無(wú)難事 只要肯登攀 De Novo Sequencing the Genome in BIG Hu Songnian Beijing Institute of Genomics, Chinese Academy of Sciences Next Generation Sequencing (NGS) Technology Second generation sequencers 454 1 Solexa 3 SOLiD 5 De novo sequencing RNAseq, Resequencing ChIPseq， Methseq Metagenomics De novo sequencing RNAseq Resequencing ChIPseq RNAseq ―known‖ Genome Novel genome(s) Both types 1x454 2x5500xl 3xSOLEXA 2xHiseq 2022 3x3730xl 1xsequenom 1000 CPU cores 800 TB Storage 數(shù)據(jù)中心 完善的試驗(yàn)與測(cè)序體系和流程 強(qiáng)有力的計(jì)算、存儲(chǔ)及數(shù)據(jù)庫(kù)支持體系 成熟的生物信息數(shù)據(jù)處理和分析流程 2022/5/24 Second generation sequencers in BIG 測(cè) 序 儀 Platform Num Raw/run length Solid4 5 80~100Gb 50bp GA II 3 40~60Gb 120bp 454 1 400Mb 400bp Solid 5500xl 0 150~200Gb 50bp Hiseq 2022 1 200~300Gb 100bp 高通量測(cè)序儀 10臺(tái)， 3730XL測(cè)序儀 2臺(tái)， Sequenom儀器 1臺(tái)，高性能計(jì)算機(jī)刀片服務(wù)器 100余臺(tái)，大內(nèi)存服務(wù)器 4臺(tái)，存儲(chǔ)設(shè)備約 800TB。 STS的來(lái)源 隨機(jī)基因組序列 表達(dá)基因序列，如 EST 遺傳標(biāo)記序列，如微衛(wèi)星標(biāo)記 有關(guān) STS的信息可在基因組數(shù)據(jù)庫(kù) GDB中找到 gdb. 物 理 圖 譜 構(gòu) 建 的 步 驟 ? 確定各 STS序列及其在基因組中的位置 ? 大插入片段基因組文庫(kù)的構(gòu)建（ BAC文庫(kù) ） ? 以特定 STS為標(biāo)記 篩 選 并定位克隆 ? 含有 STS的克隆在基因組中排序 基因組數(shù)據(jù)庫(kù)（ GDB）中至少含有24568 個(gè) STS路標(biāo)信息 關(guān) 于 文 庫(kù) 作為載體的基本要求 ? 能在宿主細(xì)胞中進(jìn)行獨(dú)立的復(fù)制 ? 具有多克隆位點(diǎn)，可插入外源 DNA片段 ? 有合適的篩選標(biāo)記，如抗藥性 ? 大小合適，易于分離純化 ? 拷貝數(shù)多 文庫(kù)的概念 含有某種生物體全部基因的隨機(jī)片段的重組 DNA克隆群體 載體： 能攜帶外源 DNA進(jìn)入宿主細(xì)胞的工具，常用的載體有質(zhì)粒載體、噬菌體載體、細(xì)菌人工染色體等 宿主： 能容納外源 DNA片段的生物體，常用的有大腸桿菌、酵母等 BAC文庫(kù)的構(gòu)建 NotI、 SacI 脈沖場(chǎng)凝膠電泳得 200Kb左右的大片段DNA 純化后與載體連接 電轉(zhuǎn)化，將連接產(chǎn)物導(dǎo)入大腸桿菌感受態(tài)細(xì)胞 插有外源 DNA片段的 BAC載體 在含有氯霉素的固體培養(yǎng)基中培養(yǎng) 每一個(gè)菌落為帶有相同外源 DNA片段的單克隆 BAC克隆的篩選 “STSPCR反應(yīng)池”方案 篩選種子克隆 特定的 STS標(biāo)記 相互間具有重疊片段的BAC克隆根據(jù) STS信息組裝成 contig，并定位于基因組上 Contig 每一個(gè)菌落為帶有相同外源 DNA片段的單克隆 Regional mapping Regional mapping Minimal tiling path selected for sequencing. Regional mapping stSG50796WI21858WI20982SGC34652EST325005Bda37h09 stsN34454stSG22642 stSG22463 IB262SGC100057 SGC11218 SGC77734 SGC12613SGC79997 D3S4170 WI13469 SGC104744 WI7400SGC82788 stsN30615 SGC106678 WI3006 D3S4125 stSG31571 SGC86097 SGC104738 stsT03421 stSG81116 DM12b11sA004Q43 WI10858 SGC15279 stSG3143 WI8499 D3S3525 D3S3630 SGC11976 WI6116 WI2053 SGC84074 SGC77858 D3S3706 SGC102094 WI13611 NRU1813s WI21921 D3S1304 stsT58150 SGC82964 WI1341 D3S3591605m01 229 e21