De Novo sequencing （重头测序） 的基本介绍
定义
为了获得未知植物，野生动物和新病原体的基因序列，由于这些基因组没有可用于比对的参考序列，因此必须重新进行全基因组测序。这种测序称为从头测序。通常，对从基因组DNA合成的不同长度的DNA片段进行下一代测序，并使用称为组装的程序重新组装基因组序列。
De Novo测序的优点
将重叠的短读集合到更长的重叠群中,生成准确的参考序列，即使是复合或多倍体基因组
提供有用的信息，用于绘制已知生物体的新生物或整理基因组的基因组
查清高度相似或重复的区域，用于准确的从头装配
识别结构变体和复杂的重排，例如 deletions, inversions, or translocations
标准工作流程
主要的工作流程包括新数据的预处理，标准的数据分析步骤和特殊分析。 数据预处理：这包括检测数据的完整性和数据的测序深度等。
足够的测序深度是De novo 测序的关键。测量不同物种所需要的测序深度也不同，例如如果是植物的，推荐测序深度至少50X以上。另外，paired end的数据能取得更加准确的组装结果。（关于paired end data这反方面的知识，会以后在我们公众号中详细讲解）
下面主要介绍标准数据分析中的核心步骤：de novo assembly（组装）在短序列组装中，主要有三种策略： Greedy extension (基于字符串的方法), de Bruijn 图 and 重叠布局（基于图的方法）
对于有超过数亿个短序列的大数据集，基于De Bruijn的组装工具是最合适的。（基于De Bruijn的组装工具有 : AbySS, ALLPATHS, Edena, Velvet and SOAPdenovo）
具体例子：熊猫🐼基因的de novo Sequencing
熊猫测序数据的设置
37 paired-end insert libraries with insert sizes of 150 bp, 500 bp, 2 kb, 5 kb and 10 k were constructed.
Illumina Genome Analyzer platform.
176 Gb of usable sequence, 73 x coverage of the whole genome.
Average read length of 52 bp.
SOAPdenovo assembler, using the de Bruijn graph algorithm.
使用paired end reads进行组装
从最小的read（<500bp）开始组装
使用paried end 数据的信息将contigs组装成scaffolds
填充scaffolds中的gaps
组装结果的总结
最终基因重叠大小 2.2Gb vs 预测基因组大小2.4Gb
de novo sequence and assembly 很好的测量了熊猫的基因组
resequencing 的基本介绍
定义
通过已经测序的基因组，可以确定某个个体的基因组序列和外显子区域（exome）的序列，并使用序列的均匀性作为指标来绘制参考基因组序列。目前，这种称为基因组的重新测序。对于人类来说，在不久的将来，基于通过与相应的参考基因组序列比较，获得的构象多态性（个体基因组信息）的信息将诊断和治疗疾病。
标准工作流程
主要目的：识别单核苷酸多态性（SNP），插入/缺失，结构变异等。
主要的工作流程：
创建一个用于搜索参考基因组的索引。
使用索引，将短序列比对到引用上。
形成一致的序列片段
识别SNP，基因注释等
下面主要介绍标准数据分析中的核心步骤：比对 （mapping） 和 识别单核苷酸多态性 （snp calling）
比对 （mapping）：
其中最重要的成分是索引：查找结构快速找到短序列。
主要的比对工具包括：基于hash表的方法例如BLAST，基于前缀后缀的特里数组的Burroughs-Wheeler变换（BWT)。例如BWA
短序列比对存在的挑战
人类基因组由非常多重复的序列组成，导致比对的定位模糊。短序列长度短，如果它们属于重复区域，很难确认它们到底真正比对到哪个位置。
我们必须考虑到测序列（机器）中产生的错误和样本和参考序列之间产生的差异
识别单核苷酸多态性 （snp calling）：
在将短序列与参照基因组比对后，鉴定不同于参考的核苷酸。
后续可选择的分析：全基因组关联研究（GWAS）旨在寻找与某些表型相关的SNP。主要用于检查不同个体的许多常见遗传变异体，并鉴定其相关的特定性状，例如主要疾病的遗传特定性状。
具体例子：The 1000 Genomes Project
1000基因组计划旨在提供人类基因组序列变异的重要的表征，作为调查基因型与表型之间关系的基础。这是第一个对大量人群基因组进行排序的项目，为人类遗传变异提供了一个全面的资源。
该项目计划将每个样本序列到4x基因组覆盖率;在这个测序深度上，排序不能发现每个样本中的所有变体，但可以允许检测频率低至1％的大多数变体。在项目的最后阶段，合并了2,504个样本的数据，以便在项目发现的所有变体位点，对每个样本中的基因型进行高度准确的测量。
参考
http://genome.nig.ac.jp/english/glossary_e/resequencing-and-de-novo-sequencing.html
http://foreign.macrogen.co.kr/chn/service_ngs02.html
https://www.illumina.com/techniques/sequencing/dna-sequencing/whole-genome-sequencing/de-novo-sequencing.html
Li et al. (2010) The sequence and de novo assembly of the giant panda genome. Nature 463, 311–317.
本文作者：lakeseafly
还有更多文章，请移步公众号阅读
如果你生信基本技能已经入门，需要提高自己，请关注上面的生信技能树，看我们是如何完善生信技能，成为一个生信全栈工程师。
如果你是初学者，请关注下面的生信菜鸟团，了解生信基础名词，概念，扎实的打好基础，争取早日入门。