摘要
面对超大规模测序数据的处理方法与处理能力的挑战,该课题从各种新一代测序技术平台,包括Illumina/Solexa、Roche/454、AB/SOLiD和国产AG-100/200测序系统等数据产生的源头出发,研究数据的特点,实验设计策略和数据处理方法,发展新一代测序技术中的编码模型和高通量实验设计理论与方法,研究各种测序平台数据的数学模型和质量控制方法,发展高通量测序数据的高效处理方法及工作流程和跨平台数据的统合分析方法。在研究发展新一代测序技术和序数据的数学模型和质量控制方法的基础上,建立新一代测序的编码和实验设计理论。这些理论方法,对测序数据处理提供重要的指导的同时,将改进我国自主研发的新一代测序仪AG系统。该课题将建立适应多种平台、针对多种应用的新一代测序数据处理方法,算法,可重构软件工作流程和和跨平台数据统合分析方法,并开发面向大数据量序列数据处理的硬件加速技术;课题的进展将推动我国生物信息学和高通量测序技术的研究发展进入世界前沿行列。在课题工作实施的一年多的时间里,围绕着课题的主要方向目标,各个参与团队和合作单位积极开展工作,取得了一些突出的进展,为后一阶段工作的开展完成打下了良好的基础。主要进展包括研究发展了一套新的解码合成测序技术体系,研究建立了测序误差模型和原始测序数据处理算法,建立了AG测序系统数据处理软件的框架,并完成了该系统的主要模块发展;研究建立了测序误差模型和原始测序数据处理算法;面向多样本测序实验的编码理论和方法,建立了测序样本编码优化设计方法,提出双标签编码的高通量测序文库制备方案;研究了基于群试理论(Group testing)的样本混合(pooled DNA sampies)编码方法,提出了面向Pool-Seq实验的均衡编码设计算法和基于超几何分布计算的分组设计算法;进行了对不同高通量测序技术平台.不同组学应用(基因组,转录组)的数据特征分析,完成多套应用案例,完成了高通量测序的转录组数据(RNA-seq)的数据处理和拼装优化流程;申请多项专利技术,形成我国自主产权的新一代测序技术的核心技术体系。
-
单位中科院上海生命科学研究院