农业经济作物育种方案

农业经济作物全基因组从头测序和大规模全基因组重测序

针对基因组序列未知的动植物进行全基因组从头测序，构建物种参考基因组序列。在参考基因组的基础上，进行大规模全基因组重测序，构建基因组变异图谱，从分子水平上明确农业物种多样性中心和栽培起源驯化中心，为研究农作物驯化和性状改良奠定重要的理论基础。

挖掘农业经济作物功能成分基因和遗传位点

对农业经济作物资源进行了功能成分研究，发掘与功能成分、表型相关的基因或遗传位点，阐明调控分子机理，极大地推动经济作物的品质改良，加快经济作物的遗传育种进程。实现种质+基因快速高效育种创新模式。

育种生物信息分析服务

生物信息分析技术方案

研究团队经过长期的项目研究积累，拥有丰富的项目经验，并建立了农业领域动植物研究生物信息分析技术。
标准分析包括从原始下机数据，进行比对，变异检测，对结果进行注释。
高级分析包括群体多样性分析，群体结构以及种群历史分析，全基因组关联分析、单体型图谱构建分析等。

全基因组重测序分析

分析内容

​ 重测序，即重新测序，是对已有参考基因组的物种进行个体或群体的基因组测序，利用高性能计算平台和生物信息学方法，在全基因组水平扫描变异位点（SNP、InDel、SV、CNV），快速准确的定位差异基因，并可应用于群体遗传学研究、关联分析、进化分析等。

分析方法

• 用Bwa进行序列比对，得到的比对结果，使用Picard的Mark Duplicate工具去除重复，屏蔽PCR duplication的影响。

• 使用GATK进行变异检测（Variant Calling），主要包括SNP和InDel。

• 使用用SnpEff对变异（SNP、Small InDel）进行注释和功能影响预测。

• 使用BreakDancer进行SV结构变异的检，SV(结构变异)指基因组水平上大片段的插入、缺失、倒置、易位等

全基因组关联分析

分析内容

​ 全基因组关联分析（Genome-wide association study，GWAS）是指借助一定的统计学方法，在全基因组范围内寻找与表型差异相关的核苷酸变异的分析方法;通过对遗传多样性丰富的自然群体的每个个体进行全基因组重测序，结合目标性状的表型数据，基于一定的统计方法进行全基因组关联分析，可以快速获得影响目标性转表型变异的染色体区段或基因位点。

分析方法

• 测序数据质控。
• 比对到参考基因组。
• 群体SNP检查及基因分型。
• 构建系统进化树。
• 群体主成分分析。
• 性状关联分析。
• 目标性状相关区域基因功能注释。

BSA性状定位

分析内容

​ BSA分析，即集群分离分析，它是通过具有相对性状的一对亲本杂交，在其任一分离后代群体中，根据个体表型（或基因型）的极端差异，选取一定量个体，将其DNA，RNA,SLAF-seq混合，构建两个基因池（pool）.然后将混池测序数据与参考基因组的序列比对，基于检测到SNP,InDel等变异类型，寻找两混池间存在显著差异标记，利用欧氏距离，SNP-index等算法评估与性状关联的区域．并对区域内的基因进行功能注释和富集分析等等．在基础上还可以进行深入挖掘，如：引物设计，区域内基因挖掘及标记筛选等。

分析方法

• 使用bwa将序列比对到参考基因组。
• GATK软件进行样本SNP和InDel的检测，利用ANNOVAR软件对SNP和InDel检测结果进行注释。
• 子代SNP和InDel频率差异分析，寻找有显著差异的SNP和InDel位点。
• 目标性状区域定位，找到与目标性状关联的区域。
• 候选基因提取和功能注释。

转录组分析

分析内容

​ 基于已知的基因组序列和注释信息，以新一代高通量转录组测序（RNA-Seq）数据作为输入，根据测序数据与参考基因组的序列比对，识别新的转录位点（新基因）、新的可变剪接事件，并对新旧基因进行结构分析、表达定量和差异表达分析。 内容：测序数据质量评估；测序数据与所选参考基因组的序列比对；确定外显子/内含子的边界，分析基因可变剪接情况；发掘未注释的基因区和新的转录本；识别转录区的SNP位点；修正已注释的5'和3'端基因边界；定量基因和转录本表达水平，识别不同样品（组）之间显著差异表达的基因并对其进行功能注释和富集分析。

分析方法

• 数据量、数据质量的评估。
• 使用软件TopHat2将测序Reads比对到参考基因组上。
• 使用软件Cufflinks[2]进行转录本的拼接、表达定量。通过与已知基因组注释文件的比较，识别新的转录组区域，即新基因。通过软件BLAST[3]将新基因与各数据库进行序列比对，获取新基因的注释信息。
• 基于各样品reads与参考基因组序列的TopHat2比对结果，使用软件SAMtools[4]识别测序样品与参考基因组间的单碱基错配，查找基因区潜在的SNP位点。
• 根据与基因原有的剪接模型进行比较，使用Cufflinks软件从跨内含子Reads中预测新的可变剪接事件，并用软件SpliceGrapher[5]对其进行可视化。
• 接着根据基因在不同样品中的表达水平，使用软件DESeq[6]或EBSeq[7]进行差异表达分析，并通过指标FDR和FC筛选差异表达基因。
• 最后，提取各差异表达基因集的注释信息，使用Fisher精确检验、topGO[8]等进行差异表达基因集的GO节点或KEGG通路富集分析。

更多云平台计算分析服务，请访问 生命大数据可信计算平台CODEPLOT 。 CODEPLOT一个可为用户提供可信的、灵活的计算平台，您可在没有编程背景的情况下进行自动生物信息学分析，同时，采用区块链、多方安全计算等前沿技术，确保用户的数据安全。