瓶中基因组

生信喵

一、瓶中基因组计划
       所谓瓶中基因组，来自于 Genome in a Bottle，简称 GIAB，根据字面含义就是在一个瓶子中的基因组。这个计划来自于美国国家标准与技术研究所（NIST）。这就是为了解决基因组研究中一直以来都面临的一个很大的问题，就是参考标准的问题。比如我们利用软件分析出的基因，或者变异位点，是否准确呢，没有参考标准。人类基因组计划就是为了建立一个参考。但是这 30 亿个碱基对都准确吗，显然不是。如果有一个位点发生了错误，那么后面所有的分析都会带来影响。因此，有一个能参考的金标准是非常重要的。而 NIST 就是做这个事情的。
       网址：

1. https://www.nist.gov/programs-projects/genome-bottle

复制代码

      瓶中基因组并不是要得到一个标准的基因组序列，比如得到一条更准确的 hg19 或者 hg38。
       瓶中基因组是对同一个 DNA 样品反复测序，也就是制定标准 DNA 材料，这个 DNA 样本最初由一位犹他州的妇女在 1980 年捐献，来自于千人基因组计划，被认为是世界上研究最透彻的二倍体人类基因组，这个样品标号为 NA12878，她的 DNA 材料提取很多份，放到瓶子中，也就是存放 DNA 的小容器，这就是所谓的瓶中基因组的由来。
       那么全球各地的测序中心都可以买这份材料，然后回去自己测序，由于大家都用同一份材料，因此会最大程度减小误差，而且采用不同的测序平台，包括 illumina，IonTorrent，Pacbio，BGIseq，10Xgenomics,CompletGenomics，SOLID 等，不同测序平台的测序数据可以用来进行取交集，更加准确。
       实验室可利用参考材料来评估它的文库制备方法、测序仪和生物信息学过程，如定位、比对和变异检出。“这种材料可用于评估变异检出的真阳性、假阳性、真阴性和假阴性，其实这也是一次测序仪之间性能的比较，以后也可以成为新测序的评价标准之一。

1. https://www.nist.gov/news-events/news/2016/09/nist-releases-new-family-standardized-genomes

复制代码

      目前 NIST 处理提供这个妇女的 DNA 材料之外，还提供了更多的材料。包括最初的犹他州妇女 NA12878 的材料，东欧一个犹太家庭，包括父母和儿子，这样的材料更加珍贵，因为子女的 DNA 是父母的组合，通过三份材料更容易看出 DNA 的重组杂合情况，还有一个中国男性，另外是细菌的。这些材料可以在 NIST 上面购买到。这些材料都是以 RM 开头命令的，rm 表示 Reference Material。这些材料编号不要弄混了。例如：

1. NISTRM 8398—全称是 Human DNA for Whole-Genome Variant Assessment(Daughter of
   
2. Utah/European Ancestry)，就是 NA12878，这个是最重要的材料；
   
3. NIST RM 8391— 东欧犹太家庭的小男孩；
   
4. NIST RM 8392— 这个是一次提供三个样品，就是东欧犹太家庭，包括父亲，母亲，和儿子，也就
   
5. 是包括了 RM8391 的样品；
   
6. NIST RM 8393—来自中国家庭男孩的材料编号，其实中国这个样品也是一个家庭，只不过目前卖的
   
7. 材料还只是小男孩的，可能还没做好。
   
8. NIST RM 8375—四个细菌基因组，沙门氏菌，葡萄球菌，金黄色葡萄球菌，绿脓假单胞菌以及产芽
   
9. 胞梭状芽胞杆菌；

复制代码

      瓶中基因组已经发布了很多公共测序数据，我们可以利用这些数据进行测试，评估软件。
       所有的数据都放到 NCBI ftp 上，NCBI 专门提供了一个 giab 目录，所有数据都在里面。
       数据下载地址：

1. ftp://ftp-trace.ncbi.nlm.nih.gov/giab/ftp/

复制代码

      github 主页：

1. https://github.com/genome-in-a-bottle/giab_data_indexes

复制代码

二、练习数据下载
2.1 二代测序数据下载

1. https://ftp-trace.ncbi.nlm.nih.gov/giab/ftp/data/NA12878/

复制代码

1. #1 illumina全基因组测序
   
2. ~/.aspera/connect/bin/ascp -i ~/.aspera/connect/etc/asperaweb_id_dsa.openssh --overwrite=diff -QTr -l6000m [email protected]:giab/ftp/data/NA12878/NIST_NA12878_HG001_HiSeq_300x/140407_D00360_0017_BH947YADXX/ ./
   
3. #2 illumina外显子测序
   
4. ~/.aspera/connect/bin/ascp -i ~/.aspera/connect/etc/asperaweb_id_dsa.openssh --overwrite=diff -QTr -l6000m [email protected]:giab/ftp/data/NA12878/Garvan_NA12878_HG001_HiSeq_Exome/ ./

复制代码

2.2 纳米孔测序数据下载
       下载测序数据只要获得该数据在 SRA 数据库中对应的 SRA 号即可，一般会在文章中的 Data部分。如果存在多样本，则需要得到 PROJECT 号，在 PROJECT 号下面找对应的数据。

1. #3 纳米孔测序
   
2. ~/.aspera/connect/bin/ascp -i  ~/.aspera/connect/etc/asperaweb_id_dsa.openssh --overwrite=diff -QTr -l6000m [email protected]:/giab/ftp/data/AshkenazimTrio/HG002_NA24385_son/UCSC_Ultralong_OxfordNanopore_Promethion/ ./

复制代码