R*********e
发帖数: 53 | 1 如果病人样品做全基因组测序，是不是都得从头拼接？
为什么？
谢谢 |
c*********r
发帖数: 1312 | 2 这个问题我也很感兴趣，期待版上高人回答。
我的理解，人跟人之间的基因组的差异还是有一些，尤其是病人的话，大家肯定想找出
差异。如果简单的把序列map到reference genome上边，有些差异比如SNP，小的indel
还是可以找得到，但是很多复杂的差异，大片段的indel、invertion什么的，也许就不
太容易找到了。
这里有篇很好的2015年的nature review：Genetic variation and the de novo
assembly of human genomes
“Short-read massively parallel sequencing has revolutionized our ability to
discover genetic variation but is insufficient to generate high-quality
genome assemblies or resolve most structural variation. Full resolution of
variation is only guaranteed by complete de novo assembly of a genome. ”
所以我觉得de novo assembly和长片段的测序会更有优势。 |
g*****n
发帖数: 250 | |
r**********e
发帖数: 587 | 4 de novo assembly,我觉得对于全基因组，很难，计算机运算的耗费太大
过去尝试过一下，好像最基础的都需要very big RAM， 比如一个node需要256GB的RAM
， 这个对于一般学校很难有这样的大型运算cluster
另外，如果reads很短，纵然你做assembly也会很难，因为overlap的区域很短。
所以high-quality long reads还是我们要等待的革命性技术。
推荐一个很好的assembler-based SV calling： http://cortexassembler.sourceforge.net/
现在比较实际的是，用其他办法找到的SV或SNP candidate，然后做local assembly来
精确breakpioint，计算量大大大大大降低
以后long reads出现或者普及，我们就少了很多BWA的那种multiple alignment的麻烦
，不管mapping还是assembly都可行
当然了，对于novel insertion，这种ref里没有的sequence，当然assembly是王道。目
前short reads对于novel big insertion基本是一点办法都没有。
Anyway未来high-quality high-throughput long reads出现，基因组学会有新革命，
会迅速产生大量疾病遗传上的新发现
当然我也很久很久没接触过assembly，难免信息落后偏颇，希望高人指正
indel
to
【在 c*********r 的大作中提到】
: 这个问题我也很感兴趣，期待版上高人回答。
: 我的理解，人跟人之间的基因组的差异还是有一些，尤其是病人的话，大家肯定想找出
: 差异。如果简单的把序列map到reference genome上边，有些差异比如SNP，小的indel
: 还是可以找得到，但是很多复杂的差异，大片段的indel、invertion什么的，也许就不
: 太容易找到了。
: 这里有篇很好的2015年的nature review：Genetic variation and the de novo
: assembly of human genomes
: “Short-read massively parallel sequencing has revolutionized our ability to
: discover genetic variation but is insufficient to generate high-quality
: genome assemblies or resolve most structural variation. Full resolution of
|
c*********r
发帖数: 1312 | 5 是的，de novo assembly对计算要求太高，数据要全部load到内存里，所以特别吃内存
，瓶颈不在CPU。
要是搞生物信息的和CS的能开发出更快速、准确、对硬件要求低的算法就好了。
RAM
【在 r**********e 的大作中提到】
: de novo assembly,我觉得对于全基因组，很难，计算机运算的耗费太大
: 过去尝试过一下，好像最基础的都需要very big RAM， 比如一个node需要256GB的RAM
: ， 这个对于一般学校很难有这样的大型运算cluster
: 另外，如果reads很短，纵然你做assembly也会很难，因为overlap的区域很短。
: 所以high-quality long reads还是我们要等待的革命性技术。
: 推荐一个很好的assembler-based SV calling： http://cortexassembler.sourceforge.net/
: 现在比较实际的是，用其他办法找到的SV或SNP candidate，然后做local assembly来
: 精确breakpioint，计算量大大大大大降低
: 以后long reads出现或者普及，我们就少了很多BWA的那种multiple alignment的麻烦
: ，不管mapping还是assembly都可行
|
