外顯子組測序

產品介紹常見問題經典案例結果展示10x Genomics 方案


高深度搜索編碼區遺傳信息

外顯子組測序(Whole Exome Sequencing,WES)
是利用探針雜交富集外顯子區域的DNA序列,通過高通量測序,發現與蛋白質功能變異相關遺傳突變的技術手段。
相比于全基因組測序,外顯子組測序更高深度、更加經濟、高效。
優勢:1. 直接對蛋白編碼序列進行測序,找出影響蛋白結構的變異;
   2. 高深度測序,可發現常見變異、低頻變異及罕見變異
   3. 針對外顯子組區域測序,約占基因組的1%,有效降低費用,周期和工作量

高性價,強分析,快速交付

外顯子組測序主要用于識別和研究與疾病相關的編碼區的基因組變異。
結合大量的公共數據庫提供的外顯子數據和自建諾禾正常人群數據庫, 有利于更好地排除無害突變
及解釋變異信息之間的關聯和致病機理。

科學方案設計

從材料選取,建庫測序,到數據分析,
每一步都需要科學、縝密的設計,以保障高質量研究成果。

信息分析

分析內容=標準分析+高級分析+個性化分析。
外顯子組測序通過將目標序列與參考序列進行比對,發現外顯子組變異信息,
為單基因病和復雜疾病的治療奠定基礎。

疾病基因組學
標準信息分析 高級信息分析(單基因病) 高級信息分析(復雜疾病) 個性化分析

1.數據質控:去除接頭污染和低質量數據
2.與參考序列進行比對、統計測序深度及覆蓋度
3. SNP/InDel/CNV 檢測、注釋及統計

  (一)基于變異有害性的篩選
1. 突變位點篩選
  (1)篩選的突變過濾已知數據庫;
  (2)篩選的變異保留編碼區或剪切位點區的變異位點;
  (3)氨基酸保守性預測
2.突變位點有害性分類
3.結構變異 CNV 有害性分析
  (二)基于選樣信息的篩選
1.顯性/隱性遺傳模式分析(需合作方提供家系圖)
1.1 顯性遺傳模式
1.2 隱性遺傳模式
2.家系連鎖分析(家系樣本)
3.純合子區域(ROH)分析(近親結婚家系樣本)
4.共有突變基因篩選(散發樣本)
  (三)基于基因功能和表型的篩選
1.候選基因功能富集分析
2.候選基因通路富集分析
3.候選基因與疾病相關性排序

  (一)基于變異有害性的篩選
1. 突變位點篩選
  (1)篩選的突變過濾已知數據庫;
  (2)篩選的變異保留編碼區或剪切位點區的變異位點;
  (3)氨基酸保守性預測
2.突變位點有害性分類
3.結構變異 CNV 有害性分析
  (二)基于選樣信息的篩選
1.顯性/隱性遺傳模式分析(需合作方提供家系圖)
1.1 顯性遺傳模式
1.2 隱性遺傳模式
2.新生突變篩選(核心家系)
2.1 de novo SNP/InDel 篩選
2.2 de novo CNV 篩選
2.3 SNP/InDel 新生突變速率計算
3.共有突變基因篩選(散發樣本)
  (三)基于基因功能和表型的篩選
1.蛋白功能互作網絡(PPI 分析)
2.候選基因功能富集分析
3.候選基因通路富集分析
4.候選基因與疾病相關性排序

1. 藥物效應多態性的遺傳學機理研究
使用 PharmGKB 和 Drugbank 數據庫對藥物基因組項目進行注釋和分析,需客戶提供所關注
的藥物名稱。
2. 生存分析(基于臨床隨訪數據)
(1)構建 COX 風險比例回歸模型
(2)生存曲線
(3)繪制曼哈頓圖
(4)繪制 Q-Q 圖
(5)繪制 Locus Zoom 圖
3. 疾病顯著性關聯位點分析(建議基于 150 對以上 case/control)
(1) Fisher 精確檢驗
(2) 繪制曼哈頓圖
(3) 繪制 Q-Q 圖
(4) 繪制 Locus Zoom 圖
4. 疾病顯著性關聯基因分析(建議基于 150 對以上 case/control)
(1) SKAT 統計檢驗
(2) 繪制Heat map圖
備注:Control 的選擇范圍
(1)客戶準備 control 樣本,和 case 樣
本并行測序后,進行關聯分析;
(2)可以免費利用諾禾內部自然人數據庫
Novozhonghua 作為 control 來做關聯分析;
(3)可以利用數據庫ExAc、gnomAD作為
control來做關聯分析。
5. HLA 分析(分析內容參照人 HLA 捕獲測序
分析內容)

癌癥基因組學
基本信息分析 A 基本信息分析 A+ 高級信息分析 個性化分析

1. 數據質控 : 去除接頭污染和
低質量數據
2. 與參考序列進行比對、統計測序深度及覆蓋
3. Somatic SNP / InDel / SV /
CNV 檢測、注釋及統計 ( 成對
樣本 )

基本信息分析 A 基礎上增加 5項分析內容 :
4. 易感基因篩查
5. 高頻突變基因統計及通路富集分析
6. NMF 突變特征及突變頻譜分析
7. NovoDriver 已知驅動基因篩選
8. 基因組變異 Circos 圖展示

1. MRT 高頻突變基因相關性分析
1.1 高頻突變基因協同作用分析
1.2 高頻突變基因互斥作用分析
2. OncodriveCLUST 驅動基因預測
3. 突變位點分布情況分析(新)
3.1 高頻突變基因 SNP/InDel突變位點展示(新)
3.2 預測驅動基因 SNP/InDel突變位點展示(新)
4. 高頻 CNV 分析
4.1 CNV 分布分析
4.2 CNV 重現性分析
5. ABSOLUTE 腫瘤純度及倍性分析
6. 雜合性缺失 (LOH) 分析(新)
7. 瘤內異質性及克隆結構分析
7.1 單樣本克隆結構分析 (Pyclone)
7.2 體細胞突變 CCF 計算(新)
8. NovoDrug 高頻突變基因靶向用藥預測
9. NovoDR 耐藥突變篩選

1. 腫瘤進化樹分析
2. 克隆結構分析(新)
2.1 同一病人多樣本克隆結構分析(EXPANDS)
2.2 多樣本間克隆結構進化分析(Pyclone)
3. 臨床數據整合
4. 微衛星分析(新)
5. 新抗原預測(新)
6. 驅動基因預測(新)
7. 突變頻譜3D展示圖(新)
8. Conpair分析樣本間一致性和污染程度(新)

悅讀高質量測序數據,盡享HPC澎湃動力

外顯子組測序采用先進的Illumina測序平臺,快速、高效地讀取高質量的測序數據。
諾禾致源高性能計算平臺(High Performance Computing,HPC)采用DELL計算節點和Isilon存儲的高效組合,
實現快速穩定的測序數據分析及交付。隨著公司業務的發展,高性能計算平臺將會持續更新并擴容,
以保證高效的數據處理和安全的數據存儲。

出色完成每一個項目環節,助力科學研究

諾禾致源疾病基因組事業部和癌癥基因組事業部,致力于精準醫學的科研服務。
結合豐富的項目經驗,專業的項目方案指導和分析流程,保證項目準確并且快速地進行。

一肖中特免费免费资料