测序知识

1. 测序概述

测序概述
三代测序比较
测序发展史：https://mp.weixin.qq.com/s/GReWY8yq7O_xVnajknrHZQ

2. 二代测序（高通量测序；NGS）

2.1 大体流程（illumina）

参见https://www.jianshu.com/p/a9759d87befb
视频链接https://share.weiyun.com/5qojuBY 密码： 密码：bxsry4

2.2 组学应用

NGS应用
https://mp.weixin.qq.com/s/SAnCLBTxfi4BaCnuaAVCpQ

3. 常用数据格式介绍

DNA序列表征

DNA序列表征

3.1 Fastq & Fasta格式

• Fastq格式
  Fastq格式：一种基于文本的，保存生物序列（通常是核酸序列）和其测序质量信息的标准格式,一般都包含有4行。
  第一行：由‘@’开始，后面跟着序列ID和可选的描述，序列ID是唯一的；
  第二行：碱基序列；
  第三行：由‘+’开始，后面是序列的描述信息；
  第四行：第二行序列的质量评价(quality value)。

• Fasta格式

  
  Fasta，来自生信星球

1：以“>”为开头，fasta格式标志。
2：序列ID号，gi号，NCBI数据库的标识符，具有唯一性。
格式为：gi|gi号|来源标志|序列标志（接收号、名称等），若某项缺失可以留空，“|”保留。
3：序列描述。
4：碱基序列，序列中允许空格、换行、空行，一般一行60个。

• Fastq文件→Fasta文件
  Linux命令
  法1：sed '/^@/!d;s//>/;N' your.fastq > your.fasta
  法2：seqtk seq -A input.fastq > output.fasta
• FASTX-Toolkit
  一款用于处理Short-Reads FASTA/FASTQ文件的程序，里面包含了丰富的Fasta/Fastq文件格式转换、统计等命令。http://hannonlab.cshl.edu/fastx_toolkit/

3.2 GenBank & EMBL格式

• GenBank格式：以LOCUS和一些注释行开始。序列的开头以“ORIGIN”标记，末尾以“//”标记。

  
  GenBank，来自生信星球

• EMBL格式: 以标识符行（ID）开头，后面跟着更多注释行。序列的开头以“SQ”开头标记，序末尾以“//”标记。

  
  EMBL，来自生信星球
  GenBank & EMBL数据库格式的对比，来自生信星球
• EMBL → Fasta格式转换（在线工具）：
  http://www.geneinfinity.org/sms/sms_embltofasta.html

3.3 常见测序文件格式解析的网站

https://genome.ucsc.edu/FAQ/FAQformat.html#format1

结语

测序知识，之前已经有所了解，今天再系统整理一下，加深理解。