ploidyNGS：可视化探索基因组倍性

了解一个物种或者细胞的基因组的倍性，在进化、群体、基因组研究上有重要的意义。比如组装多倍体物种的基因组，需要了解它的倍性，评估组装的难度。但是，怎样检测或者推算基因组的倍性呢？通常在实验室用流式细胞实验就可以了。但是如果你恰好做了基因组survey，有NGS数据在手头，那你完全可以用好这些数据，做一下倍性分析。

目前已经有一些流程利用NGS数据推算基因组的倍性，比如：AbsCN-seq、CLImAT或者ConPADE。但是这些流程或者软件目前都有一些明显的短板。AbsCN-seq除了mapping数据外，还需要全外显子的数据。CLImAT基于MATLAB，不能免费使用。ConPADE是专门为高等多倍体植物开发的，对mapping的质量很敏感，容易引起估算偏差。

最近有个团队开发了一款流程ploidyNGS，专门针对二代测序数据，估算基因组的倍性。PloidyNGS的原理很简单，就是统计每个等位基因点上的reads支持比例。比如，对于单倍体来说，除了测序错误的reads外，所有的reads都支持一个allele。对于二倍体物种来说，取决于杂合度。高度纯合的话，所有的正确测序reads都会支持一个allele，杂合度高的物种，大约一半reads支持一个allele，另一半支持另外一个allele。对于三倍体的物种来说，如果是多等位基因（比如ABC）的话，每个allele的支持率为1/3，如果是双等位基因（比如AAB）的话，2/3的reads支持一个allele，剩下的1/3支持另外一个allele。以此类推，详见Table1.

知道了原理，接下来说说具体怎么做。

先是把reads mapping到参考基因组（做survey的时候，建议做一个低深度的基因组组装版本），过滤掉单allele位点及过高频率的allele（比如95%），然后按照每个allele的reads支持率排序，从最低到最高排序，分别被标记为fourth、third、second、first。然后用ggplot作直方图。

利用模拟数据和测试数据，研究者对真菌的基因组做了倍性评估。如Figure1所示，横坐标是allele的频率，纵坐标是多态性位点数目。A图是单倍体基因组统计图，有两个峰值点，分别在5%和95%左右，前者是测序错误造成的，而后者是单倍体基因组的最高频率单态峰。B图有四个峰值，分别在5%、50%、50%及95%。5%是测序错误，两个50%，是杂合多态性峰，95%则是最高频率的单态峰。这些结果和Table1的理想比例值较为一致。

最后再附上三倍体和四倍体的图像，供参考（Figure2，Figure3），看看每个峰值是不是和Table1给出的理想比例值一致呢？

 Figure 2  the histogram of triploid genome   

Figure 3 the histogram of tetraploid genome 

PloidyNGS流程用python和R串写而成。

下载路径点这里：https://github.com/diriano/ploidyNGS

参考文献：

Renato et.al. ploidyNGS: Visually exploring ploidy with Next Generation Sequencing data.

转载自薛猫-柳叶刀的新浪博客http://blog.sina.com.cn/s/articlelist_1296300802_0_1.html

欢迎关注