外显子组测序数据分析
简介
外显子测序是指利用序列捕获技术将全基因组外显子区域DNA捕捉并富集后进行高通量测序的基因组分析方法。全外显子组测序仅需对全基因组的2%左右的区域进行测序，就能够得到超过95%的已知功能区域的信息，而这些区域涵盖了95%的孟德尔疾病致病突变以及多种疾病易感多态性位点。因此，全外显子组测序已经成为当前疾病相关基因检测的常用方法，广泛应用于寻找复杂疾病的致病基因和易感基因等。下面对外显子组测序数据的分析流程进行简要的介绍，分析流程见下图。
其中，数据的质量检查通常使用Fastqc软件完成，比对软件通常使用BWA，该软件是基于Burrows Wheeler转换法，对参考基因组进行压缩并建立索引，再进行比对，再通过查找和回溯来定位。数据排序，去重复通常使用samtools软件将比对后的sam文件转化为二进制的bam文件，然后使用Picardtools软件对bam文件排序，最后使用Picard-toolkit软件的MarkDuplicates工具去除冗余数据。通常使用samtools软件和VarScan软件检测SNP和INDEL，输出结果为vcf格式文件，其中包括变异信息和与dbsnp数据库比对的信息。变异的基因注释通常使用annovar软件，注释内容通常包括突变位置、突变分类（杂合或纯合）、基因名、转录本名、外显子号、蛋白突变、氨基酸突变、rs号、1000Genome基因组频率、功能预测模型（SIFT、polyphen）、数据库（cosmic70、clinvar）等。最后可以使用生物信息学分析方法找到疾病的致病候选基因变异，再经过大样本量的实验验证，找到真正的致病突变。
参考文献：
《高通量测序与高性能计算理论和实践》陈禹保 黄劲松
往期「精彩内容」，点击回顾
DNA测序历史 | CircRNA数据库 | Epigenie表观综合 | 癌症定位
BWA介绍 | 源码安装R包 | CancerLocator | lme4 | 450K分析
乳腺癌异质性 | BS-Seq | 隐马模型 | Circos安装 | Circos画图
KEGG标记基因 | GDSC | Meta分析 | R线性回归和相关矩阵
精彩会议及课程，点击回顾
计算表观遗传学大数据前沿学术论坛会议记实
哈尔滨医科大学2017年全国生物信息学暑期学校
2017龙星课程系列（一）
2017龙星课程系列（二）
2017龙星课程系列（三）
2017龙星课程系列（四）
2017龙星课程系列（五）