当前位置:首页 > 生物
高通量测序与高性能计算理论和实践
高通量测序与高性能计算理论和实践

高通量测序与高性能计算理论和实践PDF电子书下载

生物

  • 电子书积分:11 积分如何计算积分?
  • 作 者:陈禹保,黄劲松主编
  • 出 版 社:北京:北京科学技术出版社
  • 出版年份:2017
  • ISBN:9787530484746
  • 页数:296 页
图书介绍:本书作者主持构建了以生物医学数据为中心的生物医学数据整体方案解决平台,现已形成了具有一定的数据挖掘分析能力的生物信息技术服务平台,其中包括高通量测序数据分析、基因芯片数据分析等。在高通量测序数据分析平台上进行了多个高通量测序数据分析,包括蚜虫、苹果、茶叶等转录组的数据深度分析,还对真菌基因组进行了De nove组装拼接;作为项目负责人之一,联合安贞医院成功申报了北京市自然科学基金重大项目,《中国北京地区原发性高血压发病风险评估及早期预警体系的研究》(资助号:7120001)。并以此为起点开始生物医学数据库的构建和基于数据整体方案解决平台建设,逐步建成一个基于形成了遗传多态性数据健康预警与个性诊疗平台(健康管理与预警平台)。目前主要致力于高血压数据库及基于此数据库的诊断预警模型构建,以期通过个案研究,探讨出一个生物医学大数据为基础的诊疗模型,达到建立一个可商业化的服务于大众的健康管理云。累计发表文章20余篇,并拥有多项生物医学相关专利。黄劲松,男,副研究员。参与组织北京工业云计算服务平台及生物计算服务平台建设;负责组织实施北京市科学技术研究院信息化建设;参加国家自然基金重大项目“中国植物
《高通量测序与高性能计算理论和实践》目录

1 测序技术进展 1

1.1 绪论 1

1.2 测序技术发展历程 2

1.2.1 发展中的DNA测序技术 2

1.2.2 经典的DNA测序方法 2

1.3 Sanger测序技术的原理和流程 3

1.3.1 Sanger测序技术的原理 3

1.3.2 Sanger测序技术流程 4

1.3.3 影响DNA测序的因素 4

1.4 测序常见问题及分析 8

1.4.1 PCR产物测序套峰 8

1.4.2 测序没有信号 10

1.4.3 测序反应提前终止 11

1.5 Sanger法测序的应用领域 12

1.5.1 DNA测序 12

1.5.2 功能强大的片段分析 12

1.5.3 SNP研究 12

1.6 第二代测序技术 12

1.6.1 第二代测序技术的特点 13

1.6.2 第二代测序技术原理 14

1.6.3 第二代测序技术的应用 16

1.6.4 第二代测序技术比较 18

1.6.5 第二代测序技术存在的问题 20

1.6.6 第二代测序技术发展及展望 21

1.7 第三代测序技术 22

1.7.1 Heliscope单分子测序 22

1.7.2 单分子实时测序技术 23

1.7.3 纳米孔单分子技术 25

1.7.4 第三代单分子测序技术的应用 26

2 高通量测序实验技术 31

2.1 de novo测序实验 31

2.1.1 de novo测序介绍 31

2.1.2 实验设计 31

2.1.3 基因组DNA的提取 32

2.1.4 文库构建 33

2.2 重测序实验 35

2.2.1 重测序介绍 35

2.2.2 重测序常用实验方法 35

2.2.3 实验设计 38

2.2.4 文库构建 38

2.2.5 重测序技术的应用 40

2.3 转录组测序实验 40

2.3.1 转录组与转录组学介绍 40

2.3.2 实验设计 40

2.3.3 文库构建 41

2.3.4 验证实验 42

2.4 宏基因组测序实验 44

2.4.1 宏基因组学背景介绍 44

2.4.2 方案设计 44

2.4.3 常见环境微生物样本制备及DNA提取方法 46

2.4.4 文库构建 48

2.4.5 宏基因技术的应用 49

2.5 microRNA测序实验 50

2.5.1 microRNA介绍 50

2.5.2 实验设计 51

2.5.3 文库构建 51

2.5.4 体外实验功能验证 53

2.5.5 体内实验验证 53

2.6 lncRNA测序实验 54

2.6.1 lncRNA介绍 54

2.6.2 lncRNA实验设计 54

2.6.3 rRNA去除 55

2.6.4 文库构建 56

2.6.5 lncRNA PCR(多基因或单基因验证) 57

2.6.6 lncRNA的荧光原位杂交(FISH) 57

2.7 目标区域测序实验 57

2.7.1 目标区域测序简介 57

2.7.2 目标区域测序捕获平台 58

2.7.3 目标区域测序的实验流程 58

2.8 表达谱测序实验 60

2.8.1 表达谱测序技术介绍 60

2.8.2 实验设计 61

2.8.3 RNA提取和质量检测 62

2.8.4 Tag标签制备及测序 63

2.8.5 DGE差异表达基因的验证 63

2.8.6 表达谱测序的主要用途 63

2.8.7 目标基因cDNA全长克隆 64

2.8.8 荧光定量(RT-PCR) 66

2.9 甲基化测序实验 67

2.9.1 DNA甲基化简介 67

2.9.2 实验设计 68

2.9.3 甲基化DNA免疫共沉淀测序(MeDIP-Seq) 68

2.9.4 测序文库构建 69

2.9.5 甲基化验证实验 70

3 生物信息分析环境构建 74

3.1 高性能计算环境概述 74

3.1.1 高性能计算的发展 74

3.1.2 高性能集群综合解决方案 76

3.2 生物信息分析环境搭建 91

3.2.1 硬件配置 92

3.2.2 系统安装 93

3.2.3 系统配置 93

3.2.4 生物软件安装 93

3.2.5 生物数据库安装 93

3.2.6 流程搭建 93

3.3 生物信息云平台构建及应用 94

3.3.1 云计算平台概述 94

3.3.2 生物信息云计算平台发展沿革 96

3.3.3 生物信息云平台构建 99

3.3.4 生物信息云平台应用 103

3.3.5 生物信息云计算平台产品案例 105

3.3.6 生物信息云计算平台产业发展 108

3.4 生物信息分析常用资源 111

3.4.1 NCBI与核酸相关数据库 111

3.4.2 蛋白质相关数据库 123

3.4.3 Gene Ontology数据库 130

3.4.4 KEGG数据库 137

3.4.5 生物学数据库搭建 158

3.5 生物信息分析常用的软件 159

3.5.1 生物数据查看与编辑软件 159

3.5.2 基于Linux服务器与高性能平台分析软件 163

3.5.3 高通量测序数据质控软件 166

3.5.4 序列比对软件 168

3.5.5 基因组数据拼接软件 173

3.5.6 变异检测与注释软件 176

3.5.7 转录组分析软件 178

3.5.8 R语言 180

4 高通量测序数据生物信息分析 182

4.1 高通量测序的生物信息学分析概述 182

4.1.1 高通量测序数据分析的软硬件条件 182

4.1.2 高通量测序数据分析通用流程 183

4.2 基因组de novo测序数据分析 186

4.2.1 de novo测序概述 186

4.2.2 生物信息分析策略 187

4.2.3 案例展示 188

4.2.4 细菌基因组de novo测序拼接流程详解 190

4.3 基因组重测序数据分析 193

4.3.1 重测序数据分析概述 193

4.3.2 重测序数据分析流程 194

4.3.3 重测序数据分析实践 203

4.4 转录组测序数据分析 213

4.4.1 转录组数据分析概述 213

4.4.2 转录组测序数据基本分析 214

4.4.3 转录组拼接 216

4.4.4 鉴定长非编码RNA 218

4.4.5 鉴定环状RNA 221

4.4.6 差异表达分析 224

4.4.7 蛋白结合分析 227

4.4.8 RNA结构分析 231

4.4.9 调控网络分析 233

4.4.10 转录组数据分析典型案例 235

4.4.11 转录组测序数据分析实践 237

4.5 宏基因组数据分析 244

4.5.1 宏基因组数据分析概述 244

4.5.2 宏基因组数据分析策略 244

4 5.3 基于16S rDNA/18 S rDNA/ITS靶向测序数据分析流程 246

4.5.4 基于靶向测序数据分析典型案例 249

4.5.5 宏基因组测序数据分析流程 262

4.5.6 宏基因组测序数据分析典型案例 264

4.6 miRNA测序数据分析 266

4.6.1 数据分析流程 267

4.6.2 数据分析典型案例 268

4.6.3 miRNA测序数据分析实践 271

4.7 外显子组测序数据分析 274

4.7.1 外显子测序概述 274

4.7.2 外显子组测序数据分析流程 274

4.7.3 外显子组测序数据分析典型案例 275

4.7.4 外显子组测序在疾病研究中的应用 276

4.7.5 目标区域测序 276

4.8 DNA甲基化测序数据分析 277

4.8.1 DNA甲基化概述 277

4.8.2 甲基化DNA免疫共沉淀测序 278

4.8.3 甲基化数据分析示例 280

4.8.4 全基因组重亚硫酸盐测序(WGBS) 282

4.8.5 简化重亚硫酸盐测序 283

4.9 染色质免疫共沉淀测序(ChIP-Seq)数据分析 288

4.9.1 ChIP-Seq概述 288

4.9.2 ChIP-Seq数据分析流程 289

4.9.3 Chip-seq数据分析实践 290

返回顶部