基于WGS和CBC测序策略的DNA序列拼接算法研究（三）

第一章                          基因组测序与DNA序列拼接简介

 

2.1     基因组测序与序列拼接算法研究

 

2.1.1  基因组的概念

 

众所周知，生物由细胞组成，而细胞中含有一种与遗传有关的高分子化合物，称为脱氧核糖核酸（DNA）。DNA的基本组成单位为腺嘌呤、鸟嘌呤、胞嘧啶和胸腺嘧啶四种核苷酸，分别由A、G、C和T四个字母（称为碱基）表示，这些核苷酸按照一定的顺序和方向排列，就形成了DNA的序列。一般的DNA分子都有两条互补的分子链，两条链间通过A-T、G-C间的配对形成了双螺旋结构（如图2.1）。

在解旋酶的作用下，DNA的两条链分离开，分别作为一个模板，又在聚合酶的作用下合成一条新链。这个过程称为DNA的复制（如图2.2）。

 

在解旋酶的作用下，DNA的两条链分离开，分别作为一个模板，又在聚合酶的作用下合成一条新链。这个过程称为DNA的复制（如图2.2）。

 

核糖核酸（RNA）是与DNA相似的一种高分子化合物，它的组成中以尿嘧啶（用字母U表示）替代胸腺嘧啶，并只形成单链结构。

 

通过一定化学作用下的A-U、G-C间的配对，一段RNA序列可以获取DNA部分离散区域（称为编码区或基因）的序列信息，这个过程称为转录。RNA序列中连续的三个字母可以确定唯一的氨基酸，而氨基酸的序列进一步确定了蛋白质的组成进而决定蛋白质的功能，这一过程称为翻译。

 

生命活动始终遵循从DNA序列到RNA序列，再从RNA序列到蛋白质这一规律，考虑到蛋白质是生命活动的基本单位，因此，DNA序列在某种程度上“主宰”了生命活动，这便是分子生物学中著名的中心法则（如图2.3），

 

它指出，生物活动都是通过由DNA序列转录成为RNA序列再由RNA序列翻译成为蛋白质这一过程进行的，即DNA序列蕴含了包括遗传在内的生物体所有活动的秘密。

 

基因是DNA上具有特定功能的一个片断，负责一种特定性状的表达。一般来讲，一个基因只编码一个蛋白质。

 

任何一条染色体上都带有许多基因，一条高等生物的染色体上可能带有成千上万个基因。一个细胞中的全部基因序列（包括编码区和非编码区）及其间隔序列统称为基因组（genomes）, 我们可以认为基因组就是生物所含DNA分子的全部序列。

 

可以看出，基因组在生物的生命活动中起着基础性作用，因此基因组DNA测序工作就显得尤为重要。

 

 

2.2    基因组测序方法简介

 

DNA快速测序的方法有两种：

1、链终止法：这一方法的原理是，通过合成与单链DNA互补的多核苷酸链来读取待测DNA分子的顺序，合成可在不同位置随机终止反应。

2、化学降解法：双链DNA分子被化学试剂处理，可在特定的核苷酸位点产生切口。用同位素标记测序碱基，以此确定DNA分子的序列。

由于链终止法更易自动化，所以，基因组的测序一般都使用链终止法。但是，一次测序反应只能测得几百个碱基。而复杂生物的DNA序列通常都在1M 碱基以上，有的甚至几十亿碱基。因此，不可能用测序仪一次测定全基因组的序列。现代大规模基因组测序普遍使用了shotgun和BAC方法.下面将就着两种算法的流程进行说明与介绍。

 

 

2.2.1  BAC简介

 

       BAC算法简单来说就是把基因组打碎成200－300kb的片段，并制成BAC文库，再选择一些BAC进一步打碎成3kb左右的小片段，测序并拼接。

       如图2.4是一个BAC测序的流程图：

 

2.2.2  WGS