CN112837746B - 用于小麦外显子测序基因定位的探针设计方法及定位方法 - Google Patents

用于小麦外显子测序基因定位的探针设计方法及定位方法 Download PDF

Info

Publication number
CN112837746B
CN112837746B CN201911157369.2A CN201911157369A CN112837746B CN 112837746 B CN112837746 B CN 112837746B CN 201911157369 A CN201911157369 A CN 201911157369A CN 112837746 B CN112837746 B CN 112837746B
Authority
CN
China
Prior art keywords
sequencing
wheat
gene
probe
dna
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201911157369.2A
Other languages
English (en)
Other versions
CN112837746A (zh
Inventor
陈中旭
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chengdu Tiancheng Future Technology Co ltd
Original Assignee
Chengdu Tiancheng Future Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Chengdu Tiancheng Future Technology Co ltd filed Critical Chengdu Tiancheng Future Technology Co ltd
Priority to CN201911157369.2A priority Critical patent/CN112837746B/zh
Publication of CN112837746A publication Critical patent/CN112837746A/zh
Application granted granted Critical
Publication of CN112837746B publication Critical patent/CN112837746B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B20/00—ICT specially adapted for functional genomics or proteomics, e.g. genotype-phenotype associations
    • G16B20/20—Allele or variant detection, e.g. single nucleotide polymorphism [SNP] detection
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
    • C12Q1/00—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions
    • C12Q1/68—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions involving nucleic acids
    • C12Q1/6869—Methods for sequencing
    • C12Q1/6874—Methods for sequencing involving nucleic acid arrays, e.g. sequencing by hybridisation
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B25/00—ICT specially adapted for hybridisation; ICT specially adapted for gene or protein expression
    • G16B25/10—Gene or protein expression profiling; Expression-ratio estimation or normalisation
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B30/00—ICT specially adapted for sequence analysis involving nucleotides or amino acids
    • G16B30/10—Sequence alignment; Homology search

Landscapes

  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Proteomics, Peptides & Aminoacids (AREA)
  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Genetics & Genomics (AREA)
  • Biophysics (AREA)
  • Biotechnology (AREA)
  • Medical Informatics (AREA)
  • Organic Chemistry (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Theoretical Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Analytical Chemistry (AREA)
  • Molecular Biology (AREA)
  • Evolutionary Biology (AREA)
  • Wood Science & Technology (AREA)
  • Zoology (AREA)
  • Microbiology (AREA)
  • Immunology (AREA)
  • Biochemistry (AREA)
  • General Engineering & Computer Science (AREA)
  • Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)

Abstract

本发明涉及小麦功能基因定位技术领域，特别是涉及用于小麦外显子测序基因定位的探针设计方法，通过高通量测序平台进行测序获得转录组数据后与比对参考基因组进行比对分析，再进行转录本拼接、合并，再进行ORF预测，去掉重复区域的序列，将筛选的序列进行高密度探针合成，即得。基因定位方法包括：将小麦DNA打断成片段，再将打断后的小麦DNA与上述高密度探针进行杂交，磁珠富集后洗脱，再进行高通量测序、变异检测、统计定位即可。本发明解决现有技术中因小麦基因组庞大导致基因定位成本高昂的问题，通过设计超高密度多重引物探针，只针对于基因外显子序列进行测序，在同样的基因测序深度情况下，减少了80％的测序成本。

Description

用于小麦外显子测序基因定位的探针设计方法及定位方法
技术领域
本发明涉及小麦功能基因定位技术领域，特别是涉及用于小麦外显子测序基因定位的探针设计方法及定位方法。
背景技术
现有小麦全基因组测序BSA-seq，是对小麦基因组整体进行测序检测，由于小麦基因组十分庞大，成本太高。
现有小麦转录组测序BSR-seq使用的是基因表达的数据进行检测，受到样本组织、样本时期、环境等因素的影响，有非常大的数据偏好，基因表达数据本身不是遗传信息，具有一定的假阳性。
现有SNP芯片无法获取基因的序列信息且SNP密度相对低，SNP芯片只能分析突变信号，无法获取到材料、样本的序列信息。
发明内容
鉴于以上所述现有技术的缺点，本发明的目的在于提供一种用于小麦外显子测序基因定位的探针设计方法，用于解决现有技术中小麦基因组庞大导致使用全基因测序BSA-seq手段获得基因信息成本高昂的问题，同时，本发明还将提供一种小麦外显子测序基因定位方法。本发明中的一种用于小麦外显子测序基因定位的探针设计方法通过设计超高密度多重引物探针，在全基因组DNA水平对小麦基因组超过16万个基因外显子进行特异性捕获，只针对于基因外显子序列进行测序，在同样的基因测序深度情况下，减少了80％以上的测序成本，小麦基因组15GB大小，全基因重测序30倍覆盖需要450G数据量，该方法仅需对300M区段进行测序，100倍覆盖需要数据量30G数据量。
为实现上述目的及其他相关目的，
本发明的第一方面，提供一种用于小麦外显子测序基因定位的探针设计方法，包括如下步骤：
步骤一、通过大规模转录组测序数据选取不同的组织、环境、发育等数据，再通过高通量测序平台进行测序，得到测序数据待用；
步骤二、通过STAR软件对测序数据与比对参考基因组进行比对分析，再通过stringtie函数进行转录本拼接，并过滤基因表达量TPM(转录本表达量Transcripts PerKilobase Million)小于2的转录本，保留基因表达量TPM≥2的转录本待用；
步骤三、将步骤二中的转录本与IWGSC CS Annotation转录本进行合并，得到合并后的转录本待用；
步骤四、通过TransDecoder(v5.5.0)对步骤三中合并后的转录本进行ORF(开放式阅读框Open Reading Frame)预测，再通过bedtools软件合并ORF预测出的CDS(编码区coding sequence)区域，再使用kmer算法扫描合并后的CDS序列，分析重复及重叠的区域，去掉N及Repeat区域的序列，得到筛选的序列；
步骤五、将步骤四中筛选的序列进行高密度探针合成，即得用于小麦外显子测序基因定位的探针。
上述探针设计方法通过设计超高密度多重引物探针，在全基因组DNA水平对小麦基因组超过16万个基因外显子进行特异性捕获，只针对于基因外显子序列进行测序，在同样的基因测序深度情况下，减少了80％的测序成本。
步骤二中比对参考基因组具体为IWGSC RefSeq(https://www.wheatgenome.org/)。
于本发明的一实施例中，所述高通量测序平台为二代Illumina或华大BGIseq。
于本发明的一实施例中，所述用于小麦外显子测序基因定位的探针为多重高密度磁珠探针。
本发明的第二方面，提供一种小麦外显子测序基因定位方法，包括如下步骤：
S1、将小麦DNA打断成200-300bp长度的片段，再通过高通量测序文库(Kapa、NEB、Illumina、诺唯赞等标准DNA文库)构建DNA测序预文库；
S2、再将打断后的小麦DNA与上述探针进行杂交，再对磁珠进行富集从而获得与探针杂交的小麦DNA序列，再使用洗脱液洗脱后得到小麦外显子DNA序列待用；
S3、将S2步骤中小麦外显子DNA序列进行高通量测序，对测序获得的数据使用标准分析流程进行变异检测，再通过统计方法进行定位即可。
全基因组测序需要对小麦16G基因组全部测序，需要的测序数据量是本发明中一种小麦外显子测序基因定位方法测序数据量的10倍以上，成本高昂。
上述小麦外显子测序基因定位方法无数据偏好，上述小麦外显子测序基因定位方法是在DNA水平进行测序，避免了转录组BSR-seq方法只能对已经表达的基因进行分析的偏好。小麦外显子测序基因定位方法中设计捕获的目标区间超过260M，实际捕获区间超过300M，包含16万个基因的全部外显子及部分非编码启动子区域、调控区域，能够提供绝大多数性状变异的解析。
于本发明的一实施例中，所述小麦DNA的制备过程为：将小麦自然杂交，突变体材料与亲本杂交，突变体材料与多样性亲本杂交后分别获得F2和F3分离群体，再将两个极端表型分别取10～50株，每个极端表型再取对应的根茎叶组织混合提取DNA，再将两个极端表型的DNA等量混合，即得小麦DNA。
于本发明的一实施例中，每个所述极端表型在提取DNA的过程中选取10～50株。
于本发明的一实施例中，所述统计方法为滑动窗口期望方差、滑动窗口T检验、滑动窗口Fisher精确检验或SNP-index。
如上所述，本发明的用于小麦外显子测序基因定位的探针设计方法及定位方法，具有以下有益效果：上述小麦外显子测序基因定位方法无数据偏好，上述小麦外显子测序基因定位方法是在DNA水平进行测序，避免了转录组BSR-seq方法只能对已经表达的基因进行分析的偏好。小麦外显子测序基因定位方法中设计捕获的目标区间超过260M，实际捕获区间超过300M，包含16万个基因的全部外显子及部分非编码启动子区域、调控区域，能够提供绝大多数性状变异的解析。
附图说明
图1显示为本发明实施例1中外显子捕获实验流程图。
图2显示为本发明实施例1中捕获数据分析流程图。
图3显示为本发明实施例1中SNP的密度分布图。
图4显示为现有技术BSR-seq获得SNP的密度分布图。
图5显示为本发明实施例1中外显子测序基因定位结果图。
具体实施方式
以下由特定的具体实施例说明本发明的实施方式，熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本发明的其他优点及功效。
实施例1
一种用于小麦外显子测序基因定位的探针设计方法，包括如下步骤：
步骤一、通过大规模转录组测序数据选取不同的组织、环境、发育的数据，再通过二代Illumina高通量测序平台进行测序，得到测序数据待用；
步骤二、通过STAR软件对测序数据与比对参考基因组进行比对分析，再通过stringtie函数进行转录本拼接，并过滤基因表达量TPM小于2的转录本，保留TPM≥2的转录本待用；比对参考基因组具体为IWGSCRefSeq(https://www.wheatgenome.org/)；
步骤三、将步骤二中的转录本与IWGSC CS Annotation转录本进行合并，得到合并后的转录本待用；
步骤四、通过TransDecoder(v5.5.0)对步骤三中合并后的转录本进行ORF预测，再通过bedtools软件合并ORF预测出的CDS区域，再使用kmer算法扫描合并后的CDS序列，分析重复及重叠的区域，去掉N及Repeat区域的序列，得到筛选的序列；
步骤五、将步骤四中筛选的序列进行高密度探针合成，即得用于小麦外显子测序基因定位的多重高密度磁珠探针。
一种小麦外显子测序基因定位方法，包括如下步骤：
S1、将小麦自然杂交，突变体材料与亲本杂交，突变体材料与多样性亲本杂交后分别获得F2和F3分离群体，再将两个极端表型分别取20株，每个极端表型再取对应的根茎叶组织混合提取DNA，再将两个极端表型的DNA等量混合，即得小麦DNA；
S2、将S1步骤中的小麦DNA随机打断成200-300bp长度的片段，再通过高通量测序文库(Kapa标准DNA文库)构建DNA测序预文库；
S3、再将打断后的小麦DNA与上述探针进行杂交，再对磁珠进行富集从而获得与探针杂交的小麦DNA序列，再使用洗脱液洗脱后得到小麦外显子DNA序列待用；
S4、将S3步骤中小麦外显子DNA序列进行高通量测序，对测序获得的数据使用标准分析流程进行变异检测，再通过滑动窗口T检验统计进行定位即可。
图1显示为外显子捕获实验流程，首先是小麦全基因组DNA随机打断成200-300bp长度的片段，其中的目标序列与多重磁珠探针杂交变为特异性杂交目标基因序列，再通过磁珠富集使得特异性杂交目标基因序列被吸附，最后通过洗脱液洗脱后即可获得小麦外显子DNA序列。
图2为捕获数据分析流程图，先进行小麦性状分离群体(回交分离群体、杂交分离群体、重组自交系分离群体等)，再按照分离性状分别等量混合组织提取核酸或混合单株DNA，再进行小麦外显子捕获测序，再进行BWA(Burrows-Wheeler Aligner)序列对比，得到比对数据存储文件(BAM格式)，再采用GATK(Genome Analysis ToolKit)软件进行基因组分析，得到gVCF或VCF格式的文件，再采用SnpEff软件对gVCF或VCF格式的文件进行基因组注释，通过筛选(varBPlot、Candidate Region和varBScore)得到候选基因。
图3本实施例中获得SNP的密度分布图，图4为现有BSR-seq获得SNP密度分布图。从图中可以看出图3能够覆盖更多的基因组位置，且SNP密度高出数倍。
图5为本发明实施例1中外显子测序基因定位结果图，从图中能够定位到非常小的候选区段，多数情况下直接定位到基因。该图片横轴为染色体位置，纵轴为每一个多态性区段的得分，图中的每一个点，代表一个多态性区段，点的得分越高，代表多态性区段越有可能为目标基因。
表格1为对捕获数据进行分析的结果：
表格1
Figure BDA0002285162130000051
实施例2
一种用于小麦外显子测序基因定位的探针设计方法，包括如下步骤：
步骤一、通过大规模转录组测序数据选取不同的组织、环境、发育的数据，再通过华大BIGseq高通量测序平台进行测序，得到测序数据待用；
步骤二、通过STAR软件对测序数据与比对参考基因组进行比对分析，再通过stringtie函数进行转录本拼接，并过滤基因表达量TPM小于2的转录本，保留TPM≥2的转录本待用；比对参考基因组具体为IWGSC RefSeq(https://www.wheatgenome.org/)；
步骤三、将步骤二中的转录本与IWGSC CS Annotation转录本进行合并，得到合并后的转录本待用；
步骤四、通过TransDecoder(v5.5.0)对步骤三中合并后的转录本进行ORF预测，再通过bedtools软件合并ORF预测出的CDS区域，再使用Kmer算法扫描合并后的CDS序列，分析重复及重叠的区域，去掉N及Repeat区域的序列，得到筛选的序列；
步骤五、将步骤四中筛选的序列进行高密度探针合成，即得用于小麦外显子测序基因定位的多重高密度磁珠探针。
一种小麦外显子测序基因定位方法，包括如下步骤：
S1、将小麦自然杂交，突变体材料与亲本杂交，突变体材料与多样性亲本杂交后分别获得F2和F3分离群体，再将两个极端表型分别取30株，每个极端表型再取对应的根茎叶组织混合提取DNA，再将两个极端表型的DNA等量混合，即得小麦DNA；
S2、将S1步骤中的小麦DNA随机打断成200-300bp长度的片段，再通过高通量测序文库(Illumina标准DNA文库)构建DNA测序预文库；
S3、再将打断后的小麦DNA与上述探针进行杂交，再对磁珠进行富集从而获得与探针杂交的小麦DNA序列，再使用洗脱液洗脱后得到小麦外显子DNA序列待用；
S4、将S3步骤中小麦外显子DNA序列进行高通量测序，对测序获得的数据使用标准分析流程进行变异检测，再通过滑动窗口Fisher精确检验统计进行定位即可。
综上所述，本发明通过设计超高密度多重引物探针，在全基因组DNA水平对小麦基因组超过16万个基因外显子进行特异性捕获，只针对于基因外显子序列进行测序，在同样的基因测序深度情况下，减少了80％的测序成本，小麦基因组15GB大小，全基因重测序30倍覆盖需要450G数据量，该方法仅需对300M区段进行测序，100倍覆盖需要数据量30G数据量。所以，本发明有效克服了现有技术中的种种缺点而具高度产业利用价值。
上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。

Claims (8)

1.一种用于小麦外显子测序基因定位的探针设计方法，其特征在于，包括如下步骤：
步骤一、通过大规模转录组测序数据选取不同的组织、环境、发育的数据，再通过高通量测序平台进行测序，得到测序数据待用；
步骤二、通过STAR软件对测序数据与比对参考基因组进行比对分析，再通过stringtie软件进行转录本拼接，保留基因表达量TPM≥2的转录本待用；
步骤三、将步骤二中的转录本与IWGSC CS Annotation转录本进行合并，得到合并后的转录本待用；
步骤四、通过TransDecoder函数对步骤三中合并后的转录本进行ORF预测，再通过bedtools软件合并ORF预测出的CDS区域，再使用kmer算法扫描合并后的CDS序列，去掉重复区域的序列，得到筛选的序列；
步骤五、将步骤四中筛选的序列进行高密度探针合成，即得用于小麦外显子测序基因定位的探针。
2.根据权利要求1所述的一种用于小麦外显子测序基因定位的探针设计方法，其特征在于：所述高通量测序平台为二代Illumina或华大BIGseq。
3.根据权利要求1所述的一种用于小麦外显子测序基因定位的探针设计方法，其特征在于：所述用于小麦外显子测序基因定位的探针为多重高密度磁珠探针。
4.根据权利要求1所述的一种用于小麦外显子测序基因定位的探针设计方法，其特征在于：所述比对参考基因组为IWGSC RefSeq。
5.一种小麦外显子测序基因定位方法，其特征在于，包括如下步骤：
S1、将小麦DNA打断成200-300bp长度的片段，再通过高通量测序文库构建DNA测序预文库；
S2、再将打断后的小麦DNA与权利要求1～4任一项所述的探针进行杂交，再对磁珠进行富集从而获得与探针杂交的小麦DNA序列，再使用洗脱液洗脱后得到小麦外显子DNA序列待用；
S3、将S2步骤中小麦外显子DNA序列进行高通量测序，对测序获得的数据使用标准分析流程进行变异检测，再通过统计方法进行定位即可。
6.根据权利要求5所述的一种小麦外显子测序基因定位方法，其特征在于：所述小麦DNA的制备过程为：将小麦自然杂交，突变体材料与亲本杂交，突变体材料与多样性亲本杂交后分别获得F2和F3分离群体，再将两个极端表型分别取10～50株，每个极端表型再取对应的根茎叶组织混合提取DNA，再将两个极端表型的DNA等量混合，即得小麦DNA。
7.根据权利要求6所述一种小麦外显子测序基因定位方法，其特征在于：每个所述极端表型在提取DNA的过程中选取10～50株。
8.根据权利要求5所述一种小麦外显子测序基因定位方法，其特征在于：所述统计方法为滑动窗口期望方差、滑动窗口T检验、滑动窗口Fisher精确检验或SNP-index。
CN201911157369.2A 2019-11-22 2019-11-22 用于小麦外显子测序基因定位的探针设计方法及定位方法 Active CN112837746B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911157369.2A CN112837746B (zh) 2019-11-22 2019-11-22 用于小麦外显子测序基因定位的探针设计方法及定位方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911157369.2A CN112837746B (zh) 2019-11-22 2019-11-22 用于小麦外显子测序基因定位的探针设计方法及定位方法

Publications (2)

Publication Number Publication Date
CN112837746A CN112837746A (zh) 2021-05-25
CN112837746B true CN112837746B (zh) 2022-11-15

Family

ID=75922358

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911157369.2A Active CN112837746B (zh) 2019-11-22 2019-11-22 用于小麦外显子测序基因定位的探针设计方法及定位方法

Country Status (1)

Country Link
CN (1) CN112837746B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114333989B (zh) * 2021-12-31 2023-06-13 天津诺禾致源生物信息科技有限公司 性状定位的方法及装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104657628A (zh) * 2015-01-08 2015-05-27 深圳华大基因科技服务有限公司 基于Proton的转录组测序数据的比较分析方法和系统
CN105102633A (zh) * 2013-03-11 2015-11-25 以琳生物药物有限公司 包含基因组DNA和cDNA两者的总核酸的富集和新一代测序
CN105112532A (zh) * 2015-09-15 2015-12-02 北京大学第一医院 一种检测vhl基因大片段缺失的杂交探针及检测方法与试剂盒
CN106202995A (zh) * 2016-07-13 2016-12-07 北京麦美瑞生物科技有限公司 小麦BSR‑Seq基因定位的方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7033781B1 (en) * 1999-09-29 2006-04-25 Diversa Corporation Whole cell engineering by mutagenizing a substantial portion of a starting genome, combining mutations, and optionally repeating
WO2018152267A1 (en) * 2017-02-14 2018-08-23 Bahram Ghaffarzadeh Kermani Reliable and secure detection techniques for processing genome data in next generation sequencing (ngs)

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105102633A (zh) * 2013-03-11 2015-11-25 以琳生物药物有限公司 包含基因组DNA和cDNA两者的总核酸的富集和新一代测序
CN104657628A (zh) * 2015-01-08 2015-05-27 深圳华大基因科技服务有限公司 基于Proton的转录组测序数据的比较分析方法和系统
CN105112532A (zh) * 2015-09-15 2015-12-02 北京大学第一医院 一种检测vhl基因大片段缺失的杂交探针及检测方法与试剂盒
CN106202995A (zh) * 2016-07-13 2016-12-07 北京麦美瑞生物科技有限公司 小麦BSR‑Seq基因定位的方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
"主要作物持家基因及小麦种子特异基因挖掘";陈中旭;《中国优秀硕士学位论文全文数据库-农业科技辑》;20160715;D047-108 *

Also Published As

Publication number Publication date
CN112837746A (zh) 2021-05-25

Similar Documents

Publication Publication Date Title
CN109887548B (zh) 基于捕获测序的ctDNA占比的检测方法及检测装置
CN109196123B (zh) 用于水稻基因分型的snp分子标记组合及其应用
CN109545278B (zh) 一种鉴定植物lncRNA与基因互作的方法
CN107090494B (zh) 与谷子码粒数性状相关的分子标记及其检测引物和应用
CN110189796A (zh) 一种绵羊全基因组重测序分析方法
KR102080120B1 (ko) 전복 고수온 내성 형질 예측용 바이오마커 조성물
Li et al. A genome‐wide association study of early‐maturation traits in upland cotton based on the CottonSNP80K array
CN111863127A (zh) 一种构建植物转录因子对靶基因遗传调控网络的方法
CN113795597A (zh) 一种大豆snp分型检测芯片及其在分子育种与基础研究中的应用
CN110846429A (zh) 一种玉米全基因组InDel芯片及其应用
WO2019178220A1 (en) Identifying copy number aberrations
CN110444253B (zh) 一种适用于混池基因定位的方法及系统
CN108647495B (zh) 身份关系鉴定方法、装置、设备及存储介质
CN111088382A (zh) 一种玉米全基因组snp芯片及其应用
CN115198023A (zh) 一种海南黄牛液相育种芯片及其应用
CN112837746B (zh) 用于小麦外显子测序基因定位的探针设计方法及定位方法
CN115083529A (zh) 一种检测样本污染率的方法及装置
CN108256291A (zh) 一种生成具有较高可信度基因突变检测结果的方法
CN108441538A (zh) 基于多样本高通量测序开发多态性微卫星分子标记的方法
NL2033442B1 (en) A Preparation Method and the Application of an Ultra-high Density SNP Chip for Wheat
Toghiani et al. Genomic differentiation as a tool for single nucleotide polymorphism prioritization for Genome wide association and phenotype prediction in livestock
CN116590393A (zh) 鸡全基因组snp液相芯片的制作方法与应用
CN108694304B (zh) 一种身份关系鉴定方法、装置、设备及存储介质
CN110942806A (zh) 一种血型基因分型方法和装置及存储介质
CN115612751A (zh) 西瓜全基因组液相芯片及应用

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant