变异检测初步了解

豆豆写于18.12.5

遗传一般和变异相提并论：遗传是子代重复亲代特征的现象，体现生物的稳定性；变异是指基因组在传递过程中，出现结构改变的基因，改变发育轨迹，产生不同性状，代表进化动力

变异检测属于比较基因组学中的部分，目的是根据不同基因组之间的差异，推断基因型和表型之间的关系

变异类型

基因组变异一般包括：

• 单碱基变异，学名单核苷酸多态性（SNP），原来的定义是单个碱基导致的群体中广泛存在的（约1%）的多态性，后来指与参考基因组不同的位点，它最常见也最简单。正常人的全基因组测序结果中大概有几百万个SNP，外显子组中也存在数万个SNP。对于人来说，SNP之间的平均距离在1.2M左右，但部分SNP位点仅间隔数个碱基甚至相邻。SNP一般可以分为：

• 发生在编码区的SNP，由于密码子具有简并性不一定会引起氨基酸的改变：引起氨基酸变化的叫做 Non-Synonymous SNP，不引起改变的叫做Synonymous SNP。

• 如果氨基酸发生了改变，又有两种情况：氨基酸的密码子变成另一种，因而导致多肽链的氨基酸种类和顺序发生改变，这就是错义突变。如果突变导致编码氨基酸的密码子变成了终止子，蛋白质合成进行到该突变位点时会提前终止，就导致了无义突变

• 小片段的插入与缺失（合称InDel），一般发生在基因组上短的有序的基因片段，长度小于50bp，有时不超过10bp，这个范围内的长度可以用Smith-waterman局部比对算法来获取

• 更大范围的结构性变异（SV），长度大于50bp的片段的插入、缺失（Big Indel），染色体倒位（Inversion）、染色体之间或者内部发生易位（Translocation）、拷贝数变异（CNV）、串联重复（Tandem repeat）、嵌合体（chimera）

变异检测意义

一般基因组测序有两种：
De novo测序：基因组第一次被测序出来，用于拼接；
重测序：利用已有的发表的基因组，直接进行短序列比对，即re-sequencing，目的是找变异
然后重测序又分为基于全基因组和简化基因组，区别就是用途不同，后者着眼于SNP检测

• 找到的变异位点进行基因组变异注释，看发生基因变异的位置，是在基因区还是基因间区。如果在基因区，是否引起基因的变化（移码突变等）；基因间区是否影响基因调控

• 基因组差异与表型差异关联分析（根据候选基因在基因组上的功能、位置）

• 基因分型（利用质谱、SNP芯片等，其中最出名的就是Affymetrix的SNP6.0芯片以及illumina的OMIN系列），构建系统发育树

关于SNP

一般读作“snip”，指的是Single nucleotide polymorphisms，指等位基因发生突变，产生不同等位型，它的分布最广，也是人与人不同的重要原因。

关于Hapmap计划必知

Hapmap计划（国际人类基因组单体型图计划）就是研究人类遗传相似性和差异性的，计划是通过对亚、非、欧裔共269个个体进行全基因组中的SNP（单核苷酸多态性）进行筛查和分析，构建出整合了人类遗传多态性信息的”单体型图“（可以理解成：距离较近的SNP位点形成一个“区块”进行遗传）。

Hapmap其实就是一个多人种的SNP数据库，来区分人与人差异（ftp://ftp.ncbi.nlm.nih.gov/hapmap/），目前可以可以下载数据但不能登官网，取而代之的是千人基因组计划（ftp://ftp.ncbi.nlm.nih.gov/1000genomes/ftp/）。

SNP分类

这里以二倍体生物为例：

纯合SNP：两个等位基因都发生了相同突变（比如参考基因组中位点为A，而样本两条染色体相同位点都变成了G）

与之对应的是杂合SNP（一条染色体变化，另一个不变）

转换（嘌呤与嘌呤）相比于颠换（嘌呤与嘧啶）更容易发生，比例大概2：1

SNP在CG序列上出现最频繁，多为C转为T（因为C常为甲基化，自发脱氨基形成T）

SNP对基因组的影响

• 同义突变：某个碱基的变化没有影响氨基酸序列的密码子（由于简并性）

• 错义突变：对氨基酸序列产生影响，严重时影响蛋白质活性，从而影响表型（如镰刀性贫血症）

• 无义突变：将原来编码氨基酸的密码子变成了终止密码子（UAA、UAG、UGA），可能产生假基因，或者影响表型

SNP检测

有一个误区：样品间差异越大，SNP就越多吗？

试想一下：亲缘关系远的基因组之间差异是不是很大？可能一段序列中所有位点都不同，但是这样依然不能认为他们是SNP。要理解的是，变异是在遗传基础上发生的， 因此，变异检测中只有同源比对的序列才有意义，并且还需要一个高质量的参考比对结果

关于SV

结构性变异比SNP的后果更严重（如：9号染色体和22号染色体长臂发生易位，导致慢性粒细胞白血病），但同时也更能代表群体多样性特征。一般利用Circos来展示

关于SV研究，除了测序已经发展出了相关的芯片，成本低，但大多只能检测片段删除，比较粗略

关于结构性变异有文献介绍：https://doi.org/10.1016/j.ymeth.2016.01.020