13.什么是metagenomic（宏基因組）

Magenomics 研究的對象是整個微生物群落。相對于傳統(tǒng)單個細菌研究來說，它具有眾多優(yōu)勢，其中很重要的兩點：

(1) 微生物通常是以群落方式共生于某一小生境中，它們的很多特性是基于整個群落環(huán)境及個體間的相互影響的，因此做Metagenomics研究比做單個個體的 研究更能發(fā)現(xiàn)其特性；

(2) Metagenomics研究無需分離單個細菌，可以研究那些不能被實驗室分離培養(yǎng)的微生物。

宏基因組是基因組學一個新興的科學研究方向。宏基因組學（又稱元基因組學，環(huán)境基因組學，生態(tài)基因組學等），是研究直接從環(huán)境樣本中提取的基因組遺傳物質 的學科。傳統(tǒng)的微生物研究依賴于實驗室培養(yǎng)，元基因組的興起填補了無法在傳統(tǒng)實驗室中培養(yǎng)的微生物研究的空白。過去幾年中，DNA測序技術的進步以及測序 通量和分析方法的改進使得人們得以一窺這一未知的基因組科學領域。

14.什么是SNP、SNV（單核苷酸位點變異）

單核苷酸多態(tài)性singlenucleotide polymorphism，SNP 或單核苷酸位點變異SNV。個體間基因組DNA序列同一位置單個核苷酸變異(替代、插入或缺失)所引起的多態(tài)性。不同物種、個體基因組DNA序列同一位置 上的單個核苷酸存在差別的現(xiàn)象。有這種差別的基因座、DNA序列等可作為基因組作圖的標志。

人基因組上平均約每1000個核苷酸即可能出現(xiàn)1個單核苷酸多 態(tài)性的變化，其中有些單核苷酸多態(tài)性可能與疾病有關，但可能大多數(shù)與疾病無關。單核苷酸多態(tài)性是研究人類家族和動植物品系遺傳變異的重要依據(jù)。在研究癌癥 基因組變異時，相對于正常組織，癌癥中特異的單核苷酸變異是一種體細胞突變（somatic mutation），稱做SNV。

15.什么是INDEL (基因組小片段插入）

基因組上小片段（>50bp）的插入或缺失，形同SNP/SNV。

什么是copy number variation （CNV）：基因組拷貝數(shù)變異，基因組拷貝數(shù)變異是基因組變異的一種形式，通常使基因組中大片段的DNA形成非正常的拷貝數(shù)量。例如人類正常染色體拷貝數(shù)是2，有些染色體區(qū)域拷貝數(shù)變成1 或3，這樣，該區(qū)域發(fā)生拷貝數(shù)缺失或增加，位于該區(qū)域內的基因表達量也會受到影響。如果把一條染色體分成A-B-C-D四個區(qū)域，則A-B-C-C- D/A-C-B-C-D/A-C-C-B-C-D/A-B-D分別發(fā)生了C區(qū)域的擴增及缺失，擴增的位置可以是連續(xù)擴增如A-B-C-C-D也可以是在其 他位置的擴增，如A-C-B-C-D。

16.什么是structure variation （SV）

基因組結構變異

染色體結構變異是指在染色體上發(fā)生了大片段的變異。主要包括染色體大片段的插入和缺失（引起CNV的變化），染色體內部的某塊區(qū)域發(fā)生翻轉顛換，兩條染色體 之間發(fā)生重組（inter-chromosome trans-location）等。一般SV的展示利用Circos 軟件。

17.什么是Segment duplication

一般稱為SD區(qū)域，串聯(lián)重復是由序列相近的一些DNA片段串聯(lián)組成。串聯(lián)重復在人類基因多樣性的靈長類基因中發(fā)揮重要作用。在人類染色體Y和22號染色體上，有很大的SD序列。

18.什么是genotype and phenotype

既基因型與表型；一般指某些單核苷酸位點變異與表現(xiàn)形式間的關系。

什么是Read?高通量測序平臺產(chǎn)生的序列標簽就稱為reads。

19.什么是soft-clipped reads

當基因組發(fā)生某一段的缺失，或轉錄組的剪接，在測序過程中，橫跨缺失位點及剪接位點的reads回帖到基因組時，一條reads被切成兩段，匹配到不同的區(qū) 域，這樣的reads叫做soft-clipped reads，這些reads對于鑒定染色體結構變異及外源序列整合具有重要作用。

20.什么是multi-hits reads

由于大部分測序得到的reads較短，一個reads能夠匹配到基因組多個位置，無法區(qū)分其真實來源的位置。一些工具根據(jù)統(tǒng)計模型，如將這類reads分配給reads較多的區(qū)域。

什么是Contig?拼接軟件基于reads之間的overlap區(qū)，拼接獲得的序列稱為Contig（重疊群）。什么是Scaffold?基 因組de novo測序，通過reads拼接獲得Contigs后，往往還需要構建454 Paired-end庫或Illumina Mate-pair庫，以獲得一定大小片段（如3Kb、6Kb、10Kb、20Kb）兩端的序列�；�于這些序列，可以確定一些Contig之間的順序關系，這些先后順序已知的Contigs組成Scaffold。

什么是Contig N50？Reads 拼接后會獲得一些不同長度的Contigs。將所有的Contig長度相加，能獲得一個Contig總長度。

然后將所有的Contigs按照從長到短進行 排序，如獲得Contig 1，Contig 2，Contig 3...………Contig 25。將Contig按照這個順序依次相加，當相加的長度達到Contig總長度的一半時，最后一個加上的Contig長度即為Contig N50。

舉例：Contig 1+Contig 2+ Contig 3+Contig 4=Contig總長度*1/2時，Contig 4的長度即為Contig N50。Contig N50可以作為基因組拼接的結果好壞的一個判斷標準。什么是Scaffold N50？Scaffold N50與Contig N50的定義類似。Contigs拼接組裝獲得一些不同長度的Scaffolds。將所有的Scaffold長度相加，能獲得一個Scaffold總長 度。然后將所有的Scaffolds按照從長到短進行排序，如獲得Scaffold 1，Scaffold 2，Scaffold 3...………Scaffold 25。將Scaffold按照這個順序依次相加，當相加的長度達到Scaffold總長度的一半時，最后一個加上的Scaffold長度即為 Scaffold N50。

舉例：Scaffold 1+Scaffold 2+ Scaffold 3 +Scaffold 4 +Scaffold 5=Scaffold總長度*1/2時，Scaffold 5的長度即為Scaffold N50。Scaffold N50可以作為基因組拼接的結果好壞的一個判斷標準。什么是測序深度和覆蓋度？測 序深度是指測序得到的總堿基數(shù)與待測基因組大小的比值。假設一個基因大小為2M，測序深度為10X，那么獲得的總數(shù)據(jù)量為20M。覆蓋度是指測序獲得的序 列占整個基因組的比例。由于基因組中的高GC、重復序列等復雜結構的存在，測序最終拼接組裝獲得的序列往往無法覆蓋有所的區(qū)域，這部分沒有獲得的區(qū)域就稱 為Gap。例如一個細菌基因組測序，覆蓋度是98%，那么還有2%的序列區(qū)域是沒有通過測序獲得的。