]服務簡介
基因組測序是指通過使用高通量DNA測序和生物信息學來組裝和分析整個基因組的功能和結構。利用基因組測序可以對個體變異類型進行分析或對群體進行差異性分析。de novo測序后利用信息學方法，還可獲得物種的遺傳圖譜。
]服務優勢
◆通量高、質量高、速度快：采用Illumina測序平臺完成。在保證質量的同時，樣本測序與分析速度比傳統測序分析速度大幅提高；
◆定制化分析策略：根據不同測序物種和測序方案，定制化選擇參考基因組版本、比對算法和注釋用數據庫區域信息等；
◆可測樣本種類豐富：豐富的科研服務經驗，目前可對gDNA、細胞、血液、新鮮組織、冷凍組織、石蠟切片（FFPE）、制備好的文庫等多種類型的樣品進行最佳方案設計及檢測；
◆強大的組學聯合分析能力：將基因組重測序與轉錄組測序和甲基化測序等技術進行結合，將單一的基因變異數據進一步拓展；
◆完善的售前、售后服務：經驗豐富的技術支持和生物信息工程師提供研究策略指導及完善的售后服務。
]服務項目
基因組de novo測序
全基因組測序
外顯子測序
目標區域測序
線粒體基因組測序
泛基因組測序
單細胞基因組測序
簡化基因組測序（種質資源鑒定、群體進化、GWAS、圖譜構建、BSA定位）
]服務流程
]樣本量要求
樣本類型 | 樣本量及樣本要求 |
動物和各類組織樣本 | ≥0.5g |
植物組織樣本 | ≥2g |
全血 | ≥1mL |
細胞 | 4×106個 |
DNA樣本 | DNA總量≥2ug 樣本濃度≥100ug/uL 樣品純度OD260/280為1.8~2.2 DNA主帶清晰無明顯降解 |
]技術參數
]服務內容
全基因組重測序通過對個體進行全基因組測序，全面解讀基因組上的變異信息，預測該變異信息與疾病的關聯性。
]疾病基因組
標準信息分析：
1.數據質控：去除接頭污染和低質量數據
2.與參考序列進行比對、統計測序深度及覆蓋度
3.SNP／InDel／SV／CNV 檢測、注釋及統計
4.基因組變異 Circos 圖展示
個性化分析
1. 藥物效應多態性的遺傳學機理研究使用 PharmGKB 和 Drugbank 數據庫對藥物基因組項目進行注釋和分析，需客戶提供所關注的藥物名稱。
2. 生存分析（基于臨床隨訪數據）
3. 疾病顯著性關聯位點分析（建議基于 150 對以上 case/control）
4. 疾病顯著性關聯基因分析（建議基于 150 對以上 case/control）
備注：Control 的選擇范圍
5. HLA 分析（分析內容參照人 HLA 捕獲測序分析內容）
6. 線粒體基因組分析（分析內容參照人線粒體基因組測序分析內容）
]高級信息分析（單基因?。?/span>
（一）基于變異有害性的篩選
1. 突變位點篩選
2．突變位點有害性分類（ACMG）
3．Non-coding 區突變位點篩選
4．結構變異 CNV/SV 有害性分析
（二）基于選樣信息的篩選
1．顯性／隱性遺傳模式分析（需合作方提供家系圖）
2．家系連鎖分析（家系樣本）
3．純合子區域（ROH）分析（近親結婚家系樣本）
4．共有突變基因篩選（散發樣本）
（三）基于基因功能和表型的篩選
1．候選基因功能富集分析
2．候選基因通路富集分析
3．候選基因與疾病相關性排序
]高級信息分析（復雜疾病）
（一）基于變異有害性的篩選
1. 突變位點篩選
2．突變位點有害性分類（ACMG）
3．Non-coding 區突變位點篩選
4．結構變異 CNV/SV 有害性分析
（二）基于選樣信息的篩選
1．顯性／隱性遺傳模式分析（需合作方提供家系圖）
2．新生突變篩選（核心家系）
3．共有突變基因篩選（散發樣本）
（三）基于基因功能和表型的篩選
1．蛋白功能互作網絡（PPI分析）
2．候選基因功能富集分析
3．候選基因通路富集分析
4．候選基因與疾病相關性排序
]癌癥基因組學
基本信息分析
1.數據質控 : 去除接頭污染和低質量數據
2.與參考序列進行比對、統計測序深度及覆蓋
3.Somatic SNP / InDel / SV /CNV 檢測、注釋及統計 ( 成對樣本 )
4.易感基因篩查
5. 高頻突變基因統計及通路富集分析
6.NMF 突變特征及突變頻譜分析
7.NovoDriver 已知驅動基因篩選
8. 基因組變異 Circos 圖展示
高級信息分析
1. MRT 高頻突變基因相關性分析
2. OncodriveCLUST 驅動基因預測
3. 突變位點分布情況分析（新）
4. 高頻 CNV 分析
5. 融合基因檢測及 Circos 圖展示（新）
6. ABSOLUTE 腫瘤純度及倍性分析
7. 雜合性缺失 (LOH) 分析（新）
8. 瘤內異質性及克隆結構分析
9. NovoDrug 高頻突變基因靶向用藥預測
10. NovoDR 耐藥突變篩選
11. NovoNoncoding 非編碼區高頻突變分析
個性化分析
1.腫瘤進化樹分析
2. NovoVirus 病毒整合分析
3. 克隆結構分析（新）
3.1 同一病人多區域取樣克隆結構分析（EXPANDS）
3.2 多樣本間克隆結構進化分析（Pyclone）
4. 臨床數據整合
5. 腫瘤分型分析（新）
5.1 微衛星分析
5.2 重排特征分析
5.3 端粒長度分析
5.4 Kataegis 分析
6. 新抗原預測（新）
7. 驅動基因預測（新）
8. 突變頻譜 3D 展示圖（新）
9. Conpair 分析樣本間一致性和污染程度（新）
測序數據的質量主要分布在Q30（≥80%）以上，這樣才能保證后續分析的正常進行。測序深度指比對到參考基因組的堿基總數除以基因組大小。覆蓋度指被測到的該物種基因組的堿基總數占該物種基因組長度的百分比。測序深度和覆蓋度能夠直接反應測序數據的均一性及與參考序列的同源性。
圖1 數據質量分布 圖2 測序深度
圖3 樣本每個染色體的平均覆蓋深度柱形圖和覆蓋率折線圖
CNV（拷貝數變異）是一類特殊的結構變異，指的是基因組上大片段序列拷貝數的增加或者減少，可分為缺失（Deletion）和重復（Duplication）兩種類型，是一種重要的分子機制。CNV 能夠導致包括癌癥在內的復雜疾病，對于染色體水平缺失、擴增的研究已經成為腫瘤研究熱點。
圖4 Somatic CNV 的分布
通過突變頻譜分析我們可以得知各個腫瘤樣本各種類型突變的數量及樣本是否有某種類型突變的偏好性。通過分析體細胞突變特征，可以研究不同癌種的體細胞點突變特點。
圖5 體細胞 SNV 突變頻譜柱狀圖和熱圖
在生物體內，不同基因相互協調行使其生物學功能，通過 Pathway 顯著性富集能確定高頻突變基因參與的最主要生化代謝途徑和信號轉導途徑。
圖6 顯著富集通路展示圖
根據檢測得到的體細胞突變信息整合成 Circos 圖，對基因組數據進行可視化展示。
圖7 體細胞變異 Circos 個性化展示圖
高頻突變基因（Significant mutation gene, SMG）在單個樣本中可能存在協同（兩 個基因傾向于同時發生突變）或者互斥（一個基因發生突變，另外一個基因突變概率大大降低）兩種關系，協同作用實則說明兩個基因可能必須同時突變才會產生致癌作用，互斥關系則認為單個基因發生突變足以誘發正常細胞向癌細胞的轉化。
圖8 高頻突變基因協同作用與互斥作用熱圖
尋找腫瘤特異性的 Somatic CNV 不僅可以更好的理 解腫瘤發生的分子機制，也可以為開發有效的腫瘤治療藥物提供靶點。利用 GISTIC軟件來評估樣本集合中顯著擴增或缺失的基因組區域，篩選出現頻率較高的 CNV 區域。
圖9 高頻 CNV 的分布圖
相關文獻
Choi SH, Weng LC, Roselli C, et al. Association Between Titin Loss-of-Function Variants and Early-Onset Atrial Fibrillation. JAMA. 2018;320(22):2354-2364.
