专著推荐 | 《高通量测序与高性能测序—理论和实验》

图:《高通量测序与高性能测序-理论和实验》封面

在生物信息学领域,高通量测序+高性能计算已经成为主要的解决方案。北京市计算中心作为多年致力于该领域,并以数据分析为主要优势的一线机构,经过多年的积累,总结推出著作《高通量测序与高性能测序-理论和实验》,完备地介绍了从测序的实验准备,数据产出,结果分析与绘图,乃至高性能计算机平台,以及云平台架构与管理等各个领域,具体内容细化到,数据的来源,软件的使用,硬件的选配,流程的搭建,代码的编写等,是一部诚意满满的良心之作。本书不仅在生命科学研究中,也在基因组学与精准医疗作领域,是值得推荐的参考教材和操作手册,可以为相关领域的广大使用者提供了切实的帮助。

过去几年来,随着以DNA测序技术为代表的组学技术持续发展,使得数据获取越来越容易,获取效率不断提高,数据量也越来越大,组学数据迅速增加,因此对生物信息学的需求,无论是硬件需求,还在软件、数据库的认识需要也越来越大。在技术知识与分析需求中,从深度上到广度上都大大增加。为了适应该领域科学研究的快速发展,并满足研究者和从业者的需要,本书紧密跟踪国内外在组学测序及和生物估息学领域的发展,将该领城的前沿技术尽可能地把介绍给读者。并且,将当前云计算与大数据领域在理论进展与技术应用上的成就,并融汇到本书之中。

具体来说,本书分为“测序技术进展”、“高通量测序实验技术”、“生物信息分析环境构建”、“高通量测序数据生物信息分析”四章,其中,前两章以测序技术与实验为主,后两章为本书的重点内容,篇幅占到全书的近3/4,系统地从高性能集群综合解决方案、生物信息分析环境搭建、数据库的应用、软件的安装、分析流程的技术实现等非常翔实的内容。在数据分析内容,涵盖了De novo、全基因组重测序、外显子、目标区域测序、转录组、MicroRNA、LncRNA、环状RNA、宏基因组、DNA甲基化、Chip-seq,具体技术内容细化到,如,数据质量控制、序列比对、变异检测、表达量差异分析、基因组拼接、结构分析等,书有大量真实代码与结果示意图,将软件的具体使用方式、命令行、参数等都尽量充实地在书呈现;在平台建设内容中,涉及大数据分析及云平台的最新前沿技术,包括Hadoop、HDFS、Yarn、Spark等在生物信息数据分析中的应用,以高性能平台的架构方式与方案选择等,干货满满。

本书的的宗旨不仅着重于生物信息学的研究本身,也着眼于生物信息学的前沿发展与技术应用。由于生物信息学己成为了一门基础学科和不可或缺的技术手段和研究工具。而基于高性能计算的高通量数据分析,可谓最为重要的实践路径。

《高通量测序与高性能测序-理论和实验》

目录

第1章     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. 3

1.3    Sanger测序技术的原理和流程. 4

1.3.1  Sanger测序技术的原理. 4

1.3.2  Sanger测序技术流程. 5

1.3.3  影响DNA测序的因素. 5

1.4    测序常见问题及分析. 10

1.4.1  PCR产物测序套峰. 10

1.4.2  测序没有信号. 11

1.4.3  测序反应提前终止. 12

1.5    Sanger法测序的应用领域. 13

1.6    第二代测序技术. 14

1.6.1  第二代测序技术的特点. 15

1.6.2  第二代测序技术原理. 16

1.6.3  第二代测序技术的应用. 19

1.6.4  第二代测序技术比较. 20

1.6.5  第二代测序技术存在的问题. 23

1.6.6  第二代测序技术发展及展望. 24

1.7    第三代测序技术. 24

1.7.1  Heliscope单分子测序. 25

1.7.2  单分子实时测序技术. 26

1.7.3  纳米孔单分子技术. 28

1.7.4  第三代单分子测序技术的应用. 30

第2章      高通量测序实验技术. 36

2.1    De novo测序实验. 36

2.1.1  De novo测序介绍. 36

2.1.2  实验设计. 36

2.1.3  基因组DNA的提取. 37

2.1.4  文库构建. 39

2.2    重测序实验. 40

2.2.1  重测序介绍. 40

2.2.2  重测序常用实验方法. 41

2.2.3  实验设计. 45

2.2.4  文库构建. 46

2.2.5  重测序技术的应用. 48

2.3    转录组测序实验. 48

2.3.1  转录组与转录组学介绍. 48

2.3.2  实验设计. 49

2.3.3  文库构建. 49

2.3.4  验证实验. 51

2.4    宏基因组测序实验. 53

2.4.1  宏基因组学背景介绍. 53

2.4.2  方案设计. 54

2.4.3  常见环境微生物样本制备及DNA提取方法. 56

2.4.4  文库构建. 58

2.4.5  宏基因技术的应用. 60

2.5    MicroRNA测序实验. 60

2.5.1  MicroRNA介绍. 60

2.5.2  实验设计. 62

2.5.3  文库构建. 63

2.5.4  体外实验功能验证. 64

2.5.5  体内实验验证. 65

2.6    LncRNA测序实验. 66

2.6.1  LncRNA介绍. 66

2.6.2  LncRNA实验设计. 66

2.6.3  rRNA去除. 67

2.6.4  文库构建. 68

2.6.5  lncRNA PCR(多基因或单基因验证). 69

2.6.6  lncRNA的荧光原位杂交(FISH). 70

2.7    目标区域测序实验. 70

2.7.1  目标区域测序简介. 70

2.7.2  目标区区域测序捕获平台. 71

2.7.3  目标区域测序的实验流程. 71

2.8    表达谱测序实验. 73

2.8.1  表达谱测序技术介绍. 73

2.8.2  实验设计. 74

2.8.3  RNA提取和质量检测. 76

2.8.4  Tag标签制备及测序. 77

2.8.5  DGE差异表达基因的验证. 77

2.8.6  表达谱测序的主要用途. 78

2.8.7  目标基因cDNA全长克隆. 79

2.8.8  荧光定量(RT-PCR). 81

2.9    甲基化测序实验. 82

2.9.1  DNA甲基化简介. 82

2.9.2  实验设计. 84

2.9.3  甲基化DNA免疫共沉淀测序(MeDIP-Seq). 84

2.9.4  测序文库构建. 86

2.9.5  甲基化验证实验. 87

第3章     生物信息分析环境构建. 92

3.1    高性能计算环境概述. 92

3.1.1  高性能的发展. 92

3.1.2  高性能集群综合解决方案. 94

3.2    生物信息分析环境搭建. 115

3.2.1  硬件配置. 115

3.2.2  系统安装. 116

3.2.3  系统配置. 116

3.2.4  生物软件安装. 117

3.2.5  生物数据库安装. 117

3.2.6  流程搭建. 117

3.3    生物信息云平台构建及应用. 118

3.3.1  云计算平台概述. 118

3.3.2  生物信息云计算平台发展沿革. 120

3.3.3  生物信息云平台构建. 124

3.3.4  生物信息云平台应用. 129

3.3.5  生物信息云计算平台产品案例. 132

3.3.6  生物信息云计算平台产业发展. 135

3.4    生物信息分析常用资源. 139

3.4.1  NCBI与核酸相关数据库. 139

3.4.2  蛋白质相关数据库. 153

3.4.3  Gene Ontology数据库. 162

3.4.4  KEGG数据库. 170

3.4.5  生物学数据库搭建. 187

3.5    生物信息分析常用的软件. 188

3.5.1  生物数据查看与编辑软件. 188

3.5.2  基于Linux服务器与高性能平台分析软件. 192

3.5.3  高通量测序数据质控软件. 196

3.5.4  序列比对软件. 199

3.5.5  基因组数据拼接软件. 203

3.5.6  变异检测与注释软件. 208

3.5.7  转录组分析软件. 209

3.5.8  R语言. 211

第4章     高通量测序数据生物信息分析. 214

4.1    高通量测序的生物信息学分析概述. 214

4.1.1  高通量测序数据分析的软硬件条件. 214

4.1.2  高通量测序数据分析通用流程. 215

4.2    基因组de novo测序数据分析. 219

4.2.1  De novo测序概述. 219

4.2.2  生物信息分析策略. 219

4.2.3  案例展示. 220

4.2.4  细菌基因组de novo测序拼接流程详解. 222

4.3    基因组重测序数据分析. 225

4.3.1  重测序数据分析概述. 225

4.3.2  重测序数据分析流程. 227

4.3.3  重测序数据分析实践. 236

4.4    转录组测序数据分析. 247

4.4.1  转录组数据分析概述. 247

4.4.2  转录组测序数据基本分析. 248

4.4.3  转录组拼接. 251

4.4.4  鉴定长非编码RNA253

4.4.5  鉴定环状RNA258

4.4.6  差异表达分析. 261

4.4.7  蛋白结合分析. 265

4.4.8  RNA结构分析. 270

4.4.9  调控网络分析. 273

4.4.10 转录组数据分析典型案例. 276

4.4.11 转录组测序数据分析实践. 277

4.5    宏基因组数据分析. 285

4.5.1  宏基因组数据分析概述. 285

4.5.2  宏基因组数据分析策略. 286

4.5.3  基于16S rDNA/18 S rDNA/ITS靶向测序数据分析流程. 289

4.5.4  基于靶向测序数据分析典型案例. 293

4.5.5  宏基因组测序数据分析流程. 306

4.5.6  宏基因组测序数据分析典型案例. 309

4.6    miRNA测序数据分析. 312

4.6.1  数据分析流程. 312

4.6.2  数据分析典型案例. 313

4.6.3  miRNA测序数据分析实践. 316

4.7    外显子组测序数据分析. 320

4.7.1  外显子测序概述. 320

4.7.2  外显子组测序数据分析流程. 320

4.7.3  外显子组测序数据分析典型案例. 321

4.7.4  外显子组测序在疾病研究中的应用. 322

4.7.5  目标区域测序. 322

4.8    DNA甲基化测序数据分析. 323

4.8.1  DNA甲基化概述. 323

4.8.2  甲基化DNA免疫共沉淀测序. 324

4.8.3  甲基化数据分析示例. 327

4.8.4  全基因组重亚硫酸盐测序(WGBS). 329

4.8.5  简化重亚硫酸盐测序. 330

4.9    染色质免疫共沉淀测序(ChIP-Seq)数据分析. 336

4.9.1  ChIP-Seq概述. 336

4.9.2  ChIP-Seq数据分析流程. 337

4.9.3  Chip-seq数据分析实践. 338




如何免费获赠此书?可以参加我们的生信分析研讨班。详情请点击:

(1)生物信息分析培训通知(2017年10月份)

(2)微生物组学分析研讨班通知(10月18-20日)




(0)

相关推荐