SNP(单核苷酸多态性)准确性的验证,你造吗?

【2016-12-12】

SNP(全称Single Nucleotide Polymorphisms)即单核苷酸多态性,主要是指在基因组水平上由单个核苷酸的变异引起的DNA序列多态性,包括单个碱基的转换、颠换等。SNP定位分类:可分为基因编码区、基因周边以及基因间SNP等三类;SNP位置区域包括UTR区、编码区的外显子或内含子区 、可变剪切位点等等。

SNP是人类可遗传变异中最常见的一种,占所有已知多态性的90%以上,所以SNP的应用范围较微卫星标记更加广泛,在群体遗传学、生态环境学、制药业、法医学、癌症及遗传性疾病甚至进化方面的研究都有不同程度的应用。研究人员希望通过SNP的研究,更深刻地认识癌症、糖尿病、血管性疾病和某些精神性疾病等多基因疾病的发生机制,主要应用有:

1、确定基因多态性和疾病的关系

2、解释个体间的表型差异对疾病的易感程度

3、对未来疾病做出诊断

4、研究不同基因型个体对药物反应的差异,指导药物开发及临床合理用药

5、个体间SNP千差万别,通过SNP检测等技术进行法医鉴定及个体识别

SNP的研究前期通常基于下一代测序(NGS)技术对大量样本进行全基因组测序,通过与参考序列的比对发现并构建SNP数据库,之后对数据库中大量的SNP进行验证,并经过统计学分析找到少量与疾病或性状关联的SNPs。目前对SNP进行验证检测的方法主要有:

1、 扩增测序

原理:Sanger测序

特点:方法稳定,可靠,通量低,成本高

2、SNaPshot 检测

原理:基于荧光标记单碱基延伸原理的分型技术,也称小测序。在体系中加入测序酶,四种荧光标记的ddNTP,紧挨多态位点5,端的延伸引物和PCR产物模板,PCR扩增过程中,引物延伸一个碱基即终止,经ABI测序仪电泳后,根据峰的颜色可知掺入的碱基种类,从而确定该样本的基因型,根据峰移动的位置确定该延伸产物对应的SNP位点。

特点:

a)采用多重单碱基检测技术,每次可以检测10~20个位点,通量高,速度快;

b)同时检测基因组任何位置上的SNP位点,且数据完整性高;

c)基于3730xl测序仪平台的检测技术,直接得到位点的碱基组成,检测结果直观、稳定、可靠;

d)价格比较低廉。

3、Mass Array

原理:该技术基于Sequenom质谱仪平台,通过PCR扩增出含有SNP位点的一段DNA(SNP位点前后各50bp左右),用SAP酶去除掉PCR 体系中剩余的脱氧核糖核苷三磷酸(dNTP),加入一单碱基延伸引物,其3’末端碱基紧挨SNP位点,采用四种ddNTP替代dNTP,这样,探针在SNP位点处仅延伸一个碱基,连接上的ddNTP与SNP位点的等位基因对应,树脂交换,纯化延伸后产物,用基质辅助激光解析电离飞行时间质谱(MALDI-TOF MS)检测延伸产物与未延伸引物间的分子量差异,确定该点处碱基。

特点:

a) 一次可以检测20-40个位点;通量高,一次可以检测384个样本;

b) 1管式操作,避免换管,降低被污染的概率;

c)检测灵敏,可检测pmol级别的物质;

d)适合大量样本检测,但是有一些SNP位点不适合设计延伸引物,无法检测,且缺失的数据难以补充。

4、Taqman探针法

原理:该技术基于实时荧光定量平台,每个SNP位点设计一对Taqman探针,分别标记不同的荧光。5’末端携有报告荧光基团,3’端标有荧光淬灭基团,Taq聚合酶具有外切活性,从而将探针5 ’端连接的荧光分子从探针上切割下来,破坏两荧光分子间的PRET,发出荧光。

特点:
a)操作简单、检测速度快、灵敏度高;
b)一次一般检测1个位点,两个SNP位点之间太近或者SNP序列附近有特殊结构,不易设计探针;
c)少量样本检测费用高,适合位点少,样本量大的情况。

除了上述几种方法,还有焦磷酸测序、HRM(高分辨率溶解曲线分析技术)、Microarray芯片法、MALDI-Tof、dHPLC(变性高效液相色谱技术)、RFLP、SSCP、DGGE等。

阅微基因在SNP检测方面有丰富的经验,开展多种不同的检测方法,可根据客户的样本和位点的数量选择最合适的实验方法。每个项目的检出率不低于95%。针对有特殊结果的位点,我们会采用高效的DNA聚合酶,确保每个位点都有实验结果,进一步确保了客户数据的完整性。另外,阅微基因可以针对口腔拭子,唾液等样本提取DNA进行SNP检测分析。在此基础上提供基因分型分析、关联分析、聚类分析、遗传图谱等服务,使客户的研究更顺利。

转载于:https://www.cnblogs.com/wangprince2017/p/9815384.html

SNP(单核苷酸多态性)准确性的验证,你造吗?相关推荐

  1. SNP/单核苷酸多态性分析

    SNP/单核苷酸多态性分析 SNP(Single Nucleotide Polymorphism),即单核苷酸多态性,是由于单个核苷酸改变而导致的核酸序列多态.一般来说,一个SNP位点只有两种等位基因 ...

  2. 单核苷酸多态性(single nucleotide polymorphism,SNP)

    单核苷酸多态性(single nucleotide polymorphism,SNP),主要是指在基因组水平上由单个核苷酸的变异所引起的DNA序列多态性.它是人类可遗传的变异中最常见的一种.占所有已知 ...

  3. qt 使用 xlsx库操作excel表格(代码准确性未验证)

    Demo: #include"xlsxdocument.h"#include "xlsxformat.h" #include "xlsxcellran ...

  4. 天池精准医疗大赛——人工智能辅助糖尿病遗传风险预测

    在18年1月参加了天池精准医疗大赛-人工智能辅助糖尿病遗传风险预测.我国有1.1亿人患有糖尿病,是世界上糖尿病患者最多的国家,每年用于糖尿病的医疗费用超过3000亿,与我们赛题相关的妊娠糖尿病是其中一 ...

  5. A Comprehensive Analysis of Sequence Alignment Algorithms for LongRead Sequencing

    A Comprehensive Analysis of Sequence Alignment Algorithms for LongRead Sequencing   长Read序列比对算法的综合分析 ...

  6. 【生信】全基因组关联分析(GWAS)原理

    [生信]全基因组关联分析(GWAS)原理 文章的文字/图片/代码部分/全部来源网络或学术论文,文章会持续修缮更新,仅供大家学习使用. 目录 [生信]全基因组关联分析(GWAS) 1.前提知识介绍 1. ...

  7. 关于【天池精准医疗大赛——人工智能辅助糖尿病遗传风险预测】的思考

    在18年初与来自几所牛校的学生组队参加了第一次天池大赛,最终由于乌龙没能在初赛获得前一百的成绩,止步复赛.前几天观看了决赛现场的答辩,感触良多,记录如下. 首先上一波图,这是我们参加比赛是的程序和数据 ...

  8. 实战天池精准医疗大赛——复赛之妊娠糖尿病与基因数据分析

    1. 说明  初赛提供的是血常规,肝功能,肾功能,生化的检验结果,预测血糖的具体值.复赛加入了SNP的五十多个位点数据,预测被试者是否为妊娠糖尿病,是个二分类问题.下面做了一些简单的数据分析和相关资料 ...

  9. 【数据库-3】dbSNP数据库

    欢迎关注公众号:oddxix 1.dbSNP简介 网址:https://www.ncbi.nlm.nih.gov/SNP/ 单核苷酸多态性数据库dbSNP(dbSNP, The Single Nucl ...

最新文章

  1. ValueError: not enough values to unpack (expected 2, got 1)
  2. 中国联通沈阳互联网数据中心
  3. 导致大量kworker的原因_头上白发越长越多,原因有哪些?
  4. Java 8特性有望进入.Net/Mono
  5. 2022年美国大学生数学建模竞赛——Problem E:林业固碳
  6. STP生成树连载:制服网络广播风暴(1)
  7. 【数据库】数据库常见操作指令
  8. mysql profile 调试sql_SQL Server profile使用技巧
  9. 多功能mac代码编辑神器coderunner 4 比Xcode都强大
  10. 魅族16s Pro细节曝光:骁龙855plus 未上Flyme 8
  11. java证书验证失败_Java 跳过 HTTPS 请求过程中证书验证问题
  12. bzoj 2803: [Poi2012]Prefixuffix(双Hash)
  13. 中文字体压缩器-解决css引入的字体太大的问题
  14. 地图标识符号大全_资源小结:旅游类地图汇总(8.17版)
  15. 教师计算机西沃培训心得,希沃电子白板学习心得体会
  16. 概率论之多元随机变量及其分布
  17. 一筐梨子amp;一筐水果——协变性(covariant)
  18. 字母异位词分组-LeetCode49
  19. 七种策略助企业成功转型数字化
  20. 圖譜謎宮(2019年6月28日於鄂爾多斯)

热门文章

  1. 首席新媒体商学院黎想:种子用户运营方法论
  2. 第十章:Archiving
  3. Win7 EFS 加密文件图解
  4. 如何避免黑客攻击?国内首个云端加密代码库来帮忙
  5. 【OpenVINO 3】POT量化流程
  6. 使用链表进行奇偶分排 c语言
  7. 零基础能掌握seo知识吗
  8. 应届生参加工作,什么事情越早知道越好?
  9. java中的build类_30 Java设计模式系列-建造者(Build)模式
  10. TencentOS-Tiny在苹果MacOS初上手