以云治云，用“百邁客云”撥開生命疑云

生命科學是當今世界上最熱門的學科之一。隨著高通量測序技術的迅猛發(fā)展，科學界也開始越來越多地應用高通量測序技術來解決生物學問題。比如，用從頭測序 （de novo sequencing）獲得該物種的參考序列，為后續(xù)研究和分子育種奠定基礎；對有參考序列的物種，進行全基因組重測序（whole genome resequencing），在全基因組水平上掃描并檢測突變位點，發(fā)現(xiàn)個體差異的分子基礎。在轉(zhuǎn)錄組水平上進行全轉(zhuǎn)錄組測序（whole transcriptome resequencing），從而開展差異表達基因分析、可變剪接、編碼序列單核苷酸多態(tài)性（cSNP）等研究；或者進行小分子RNA測序（small RNA sequencing），通過分離特定大小的RNA分子進行測序，從而發(fā)現(xiàn)新的microRNA分子。在轉(zhuǎn)錄組水平上，與染色質(zhì)免疫共沉淀（ChIP）和 甲基化DNA免疫共沉淀（MeDIP）技術相結(jié)合，從而檢測出與特定轉(zhuǎn)錄因子結(jié)合的DNA區(qū)域和基因組上的甲基化位點。目前，高通量測序也開始廣泛應用于 尋找疾病的候選基因上。

與sanger測序相比，高通量測序的顯著特點就是數(shù)據(jù)產(chǎn)出量增大，隨之而來的統(tǒng)計學信息增多。曾有人用“找針”來形容兩代測序的區(qū)別，sanger測序 是在黑暗的環(huán)境中找針，高通量測序是把燈點亮后找針。高通量測序的大量數(shù)據(jù)輸出及復雜的統(tǒng)計學信息，就是照亮黑暗的明燈。那么，我們就先來了解一下高通量 測序的基本原理和數(shù)據(jù)分析的基本流程。

現(xiàn)在市場上占優(yōu)勢的高通量測序方法是Solexa法。它是一種基于邊合成邊測序技術(Sequencing-By-Synthesis，SBS)的新型測 序方法。通過利用單分子陣列實現(xiàn)在小型芯片(FlowCell)上進行橋式PCR反應。由于新的可逆阻斷技術可以實現(xiàn)每次只合成一個堿基，并標記熒光基 團，再利用相應的激光激發(fā)熒光基團，捕獲激發(fā)光，從而讀取堿基信息。

 

數(shù)據(jù)分析流程根據(jù)建庫的類型和研究目的的不同而各有差別，現(xiàn)以有參轉(zhuǎn)錄組信息分析流程為例來說明高通量數(shù)據(jù)分析的基本流程。

高通量測序數(shù)據(jù)以FASTQ格式來記錄所測的堿基讀段和質(zhì)量分數(shù)。數(shù)據(jù)產(chǎn)出后，對樣品測序獲得的Reads進行統(tǒng)計，通過統(tǒng)計各樣品Reads長度、數(shù) 量、堿基數(shù)以及GC含量等指標，評估數(shù)據(jù)量是否滿足信息分析要求。之后對原始數(shù)據(jù)進行質(zhì)量評估，過濾低質(zhì)量數(shù)據(jù)，應用各種序列比對軟件遮蔽數(shù)據(jù)中不屬于表 達基因的贗象序列，去除鑲嵌克隆，最后獲得高質(zhì)量的數(shù)據(jù)再進行后續(xù)組裝和分析。對于有參轉(zhuǎn)錄組數(shù)據(jù)分析，首先將所有測序讀段mapping到參考基因組 上，與參考基因組進行比對分析，挑選出匹配好的所有讀段，同時進行讀段的基因定位，這些信息都將用于后續(xù)分析。

后續(xù)數(shù)據(jù)分析主要有基因的結(jié)構(gòu)分析、表達分析和新基因分析?；蜃⑨屖抢蒙镄畔W方法，將未知基因序列在公共數(shù)據(jù)庫進行相似性搜索比對，通過與數(shù)據(jù)庫中已知基因序列的同源性比對，來推測未知基因的功能。

目前，除了個別實驗室具有高通量測序數(shù)據(jù)分析能力外，通常情況下，數(shù)據(jù)分析工作需要由專業(yè)的機構(gòu)或公司來完成，這種形式存在幾個弊端：

1、根據(jù)客戶的不同分析需求，收費標準不同。數(shù)據(jù)的基礎分析結(jié)果不能完全滿足科研需要，而個性化分析又需要支付高額的分析費用；

2、分析結(jié)果和預判結(jié)果存在差異時，需要經(jīng)過反復溝通，反復修改，才可能達到分析目的；

3、數(shù)據(jù)的利用率低，一次分析后，所用數(shù)據(jù)基本處于擱置狀態(tài)，再利用的可能性低，大量的自測數(shù)據(jù)和公有數(shù)據(jù)無法再利用；

4、項目完成周期較長，有可能會因分析公司業(yè)務量的變化而付出更多的等待時間?，F(xiàn)在，完成高通量數(shù)據(jù)分析工作，我們有了第三種選擇-–百邁客云。

 

百邁客云（BMKCloud）是一個基于基因大數(shù)據(jù)的挖掘、管理和科研協(xié)作的整合平臺。可以使不具備生物信息分析基礎的用戶，快速掌握獨立的生物信息分析能力，實現(xiàn)高通量數(shù)據(jù)的深度解讀。

百邁客云提供：11大生物信息分析平臺（重測序、外顯子、轉(zhuǎn)錄組、非編碼RNA等），基本分析+個性化分析，輕松實現(xiàn)原始數(shù)據(jù)到生物學問題準確解讀的轉(zhuǎn)化；158款數(shù)據(jù)分析工具，涵蓋數(shù)據(jù)處理，文件操作，序列比對，基因注釋和圖表制作等，滿足個性化數(shù)據(jù)分析需求。

百邁客云不僅僅是一個數(shù)據(jù)分析平臺，更是一個挖掘研究思路的平臺?？蛻敉ㄟ^在數(shù)據(jù)模塊中檢索跟自己研究相關的公共數(shù)據(jù)，然后通過分析平臺進行數(shù)據(jù)的挖掘和解讀，即可從中提煉科研思路，站在科學研究的前沿。

2016年3月，作為BMKCloud公共數(shù)據(jù)庫項目的一部分，動物、植物、微生物、參考基因組、疾病和宏基因組高通量測序數(shù)據(jù)庫正式上線。百邁客云的合 作伙伴現(xiàn)在可以在BMKCloud上免費訪問六大數(shù)據(jù)庫了。2016年4月1日，伴隨著BMKCloud的全新改版，數(shù)據(jù)庫的公共數(shù)據(jù)可以直接導入用戶目 錄“我的數(shù)據(jù)”中，利用BMKCloud上的分析平臺進行各項基礎分析和個性化分析，這極大加速了利用公共數(shù)據(jù)進行研究的步伐。更加令人期待的是，腫瘤和 腫瘤細胞系高通量測序數(shù)據(jù)庫也在緊鑼密鼓地籌劃中，不久之后也會在BMKCloud云平臺上與廣大用戶見面。BMKCloud公共數(shù)據(jù)庫項目建立的目的也 是讓科研工作者更高效、更快速的利用公共數(shù)據(jù)，提高公共數(shù)據(jù)的利用效率。使大數(shù)據(jù)的挖掘不僅僅局限于癌癥的研究，能夠在動物、植物、微生物等研究中都得到 很好的利用?？蒲泄ぷ髡呖梢愿鶕?jù)物種、類型、研究性狀、研究結(jié)果、測序方法等設置快速檢索感興趣的數(shù)據(jù)，所有數(shù)據(jù)均可一鍵導入我的數(shù)據(jù)中保存。然后利用百 邁客提供的11大數(shù)據(jù)分析平臺和158款工具進行數(shù)據(jù)的深度挖掘，高效、快速的挖掘基因大數(shù)據(jù)。

百邁客云從2014年5月開始開放試用到2015年10月份正式商用。對于廣大的科研用戶而言，百邁客生物云是一個完 整的交鑰匙(Turn-Key)解決方案，用戶只需要開通云平臺賬號，就有了屬于自己的生物信息分析平臺，以云治云，用“百邁客云”撥開生命疑云，“百邁客云”已經(jīng)成為進行基因大數(shù)據(jù)的分析的常用平臺。