文章转载自 微分基因公众号http://www.sohu.com/a/273345614_100126902

仅供个人学习之用。目前想学习泛基因组的知识，把所看到的的文献记录下，便于后期复习

近年来，高通量测序技术的迅猛发展，极大地推动了全基因组测序工作的展开。随着测序技术的发展，测序成本的越来越低，这大大加快了动植物基因组的研究进程，之前要花几百上千万才能完成的一个动植物De novo测序，现在可能几十万就可以搞定了，因此现在普通的实验室也可以对感兴趣的物种进行测序，获得其基因组序列。

据不完全统计，全球已经有几百种动植物完成了全基因组测序工作。某物种有了基因组序列之后，就可以通过重测序，将得到的reads直接与参考基因组进行比对，获得其它个体或群体的变异情况，进而对该物种进行群体进化、遗传多样性、性状定位等相关研究。不过随着大量重测序工作的进行，人们也发现单一个体的基因组并不能完全涵盖这个物种的所有遗传信息，也就不能完全代表这一物种，比如说参考基因组序列里可能会缺少某些基因，那么我们就没有办法分析这个基因在其它材料中的变异情况了，比如人们发现小麦基因组中国春序列里就没有PFT基因；水稻日本晴序列里没有Sub1A、SNORKEL1、SNORKEL2、Pstol等基因。因此就有必要进行泛基因测序。

泛基因组概念及发展历程

那么什么是泛基因组(pan-genome)呢？说白了，泛基因组就是多个基因组的集合。泛基因组包括核心基因组(core genes)和非必需基因组(variable genes)：

核心基因组由所有样本中都存在的序列组成，一般与物种生物学功能和主要表型特征相关，反映了物种的稳定性，核心基因稳定的存在于多个基因组中，与重要的生物学功能和表型特征相关，多数是一些持家基因(House-keeping genes)。

非必需基因组由仅在单个样本或部分样本中存在的序列组成，一般与物种对特定环境的适应性或特有的生物学特征相关，反映了物种的特性。如下图展示的是7个野生大豆的核心基因集及非必需基因集（种间亮紫色部分是7个大豆的核心基因家族，其它颜色代表的是存在与一个或两个大豆材料中的非必需基因家族）。泛基因组一般是通过对不同品种材料进行基因组测序，组装，将组装好的序列进行整合，从而获得这个物种全部的遗传信息，并对每个个体进行变异检测。

image.png

泛基因组的概念最早是在微生物中提出来的，2005年，Tetin H等人提出微生物泛基因组概念，指出核心基因组指的是在所有菌株中都存在的基因；非必需基因组指的是仅在部分菌株中存在的基因。随后，2009年Li R等对多个人类个体基因组进行拼接，发现了个体特有的DNA序列和功能基因，从而提出了“人类泛基因组”的概念，也就是人类群体基因序列的总和。之后，在动植物领域开始了泛基因组的研究。目前水稻、玉米、大豆、小麦、甘蓝等重要的植物及鸟类、陆生水生动物、昆虫等都进行了泛基因组研究工作。

前面我们已经了解了什么是泛基因组，及泛基因组的发展历程，那么泛基因组都能用来做什么呢？进行泛基因组测序，构建泛基因组图谱，可以丰富该物种的遗传信息，完善该物种的基因集。之后可以进行以下的相关工作，比如变异检测，获得SNP、CNV(copy number variation)、PAV(presence-absence variation)等，而这些差异往往会有重要的农艺性状有关，从而可以挖掘重要性状相关的基因资源，为科学育种提供指导；另外可以用核心单拷贝基因构建系统发育树，进行系统进化的研究，了解物种的起源及演化等重要生物学问题；也可以选用不同生态地理类型的种质资源进行泛基因组测序开展物种的适应性进化，外来物种入侵性等问题的研究；另外还可以进行重要通路基因的变异研究等等。

下面我们就通过几篇文献看下泛基因组测序具体都能做哪些工作吧。

【 文献一 】

Pan-genome analysis highlights the extent of genomic variation in cultivated and wild rice

栽培稻、野生稻的遗传多样性是水稻育种的主要来源。大规模的重测序能够发现水稻中的等位基因变异，但是通过将测序的reads直接比对到日本粳稻(O. sativa japonica Nipponbare)的参考基因组序列中会丢掉很多的遗传变异信息，因此作者对66个水稻种质进行了高深度的测序，然后进行了组装，构建了水稻的泛基因组图谱。并进行了以下相关的研究。

对66份栽培稻和野生稻平均进行了115X的测序，进行了组装，得到了每份材料的基因组序列，contig N50在21Kb到75Kb之间。之后与Nipponbare进行了变异检测，鉴定到了16,563,789 SNPs，5,549,290 indels和933,489 SV。并分析了这些变异位点的次要等位基因的数量与频率的关系及在编码区和非编码区的情况。并对所研究的材料构建了系统进化树了解了材料的分类情况。

image.png

通过7个与驯化有关的基因位点对6个水稻群体进行进化分析，发现群体Aus不完全处于栽培稻水稻分支上，从而提出Aus群体处于不完全驯化选择状态。

分析了5个与开花时间、抗寒性、谷物重量、分蘖角度、植株高度有关的基因Hd3a、COLD1、GW6a、TAC1、Sd1在不同材料间的变异情况，从而追溯这些重要功能等位基因的种群起源。

image.png

进行了PAV分析，发现日本晴基因组中缺失的基因数目为10,872个，并发现缺失主要是由于种质资源中的大indels所致或者是位于日本晴基因组序列中没有组装出来的部分。分析还发现在≥60个水稻品种中存在的基因数目为26,372个，为水稻的核心基因集；<60个水稻品种中存在的基因数为16,208个，为水稻的非必须基因集。非必需基因集主要在生物和非生物胁迫条目上富集。同时作者尝试预测增加水稻个体数时基因总数的变化。发现当N＝67时编码基因(42,580)的数量接近平稳期,进一步增加水稻样本数，对基因集的影响不大。

【 文献二 】

The pangenome of hexaploid bread wheat

小麦是全球种植面积范围最广、最重要的粮食作物之一，小麦的改良对于维持日益增长的人口及环境变化带来的食品安全至关重要。面包小麦基因组大，且80-90%为重复序列，且为六倍体，因此人们付出了很大的精力才获得了小麦的基因组序列。

在本研究中，来自澳大利亚的科学家首先对Chinese Spring的数据重新进行了组装，改善了组装效果，将长度大于1Kb的重复序列比例由7%降低到0.004%。并将之前公布的18个小麦的测序数据（每个小麦的测序深度在8.4X到20.0X）与重新组装的Chinese spring基因组序列进行比对，将没有比对上的数据进行过滤去污染后进行了组装，得到了221,991个scaffolds，总的长度为350Mb，并进行了基因注释，共得到了21,653个基因。从而将小麦序列提高了3.3%。这里需要注意的是，这篇文献与上篇水稻的略有不同，上篇水稻文献是对每个材料的数据进行单独组装，而本文则是先进行比对，随后对没有比对上的序列进行组装。2015年Yao等人对1483个水稻的研究中也是采用了这种局部组装的方法。

随后作者基于将每个品种的reads与pangenome序列比对的方法分析了每个基因的presence or absence。平均每个小麦含有128,656个基因，19个小麦都包含的核心基因集为89795个。同时估计现代栽培小麦的基因个数为140500 ±102个（见下图）。同时发现了Chinese Spring独有的基因有245个，而其它18个小麦中有但在Chinese Spring中没有的基因个数为12150个。对非必需基因进行了注释，功能富集分析表明非必需基因主要与环境胁迫和防御反应有关的。

image.png

基于基因的presence-absence variation，构建了这19个材料的系统进化树，发现Chinese spring位于进化树的基部。

image.png

以上的研究为小麦作物改良提供了更为完整的资源。基于上述泛基因组研究结果，作者建立了一个网站，供世界各国小麦研究工作者利用，网址是：

http://appliedbioinformatics.com.au/cgi-bin/gb2/gbrowse/WheatPan/

好了，看了上面两篇文献的相关介绍，你是否对泛基因组有所了解呢？悄悄告诉你啊，小编发现泛基因组相关的文献影响因子大都在10分以上呢。所以，如果苦于没有什么好的研究思路，所研究的物种比较重要，手头上的种质资源又比较多，那不妨就做个泛基因组吧。

参考文献：

1. Tettelin H, Masignani V, Cieslewicz M J, et al. Genome analysis of multiple pathogenic isolates of Streptococcus agalactiae: Implications for the microbial "pan-genome"[J]. Proc Natl Acad Sci U S A, 2005, 102(39):13950-13955.

2. Li R, Li Y, Zheng H, et al. Building the sequence map of the human pan-genome[J]. Nature Biotechnology, 2010, 28(1):57-63.

3. Zhao Q, Feng Q, Lu H, et al. Pan-genome analysis highlights the extent of genomic variation in cultivated and wild rice[J]. Nature Genetics, 2018, 50(2):278.

4. Li Y H, Zhou G, Ma J, et al. De novo assembly of soybean wild relatives for pan-genome analysis of dis.[J]. Nature Biotechnology, 2014, 32(10):1045-1052.

5. Yao W, Li G, Zhao H, et al. Exploring the rice dispensable genome using a metagenome-like assembly strategy.[J]. Genome Biology, 2015, 16(1):187.