NGS数据分析流程

二代测序（NGS）数据分析流程主要分为三个阶段：将原始信号转化为 FASTQ 文件的一级分析、将短序列比对至参考基因组并检出变异的二级分析（核心步骤包括质控、比对、去重复和变异检测），以及进行功能注释和生物学解释的三级分析。

1. 一级分析（初级分析）

• 碱基识别（Base Calling）：将测序仪生成的原始图像或信号（如 Illumina 的 .bcl 文件）转换成碱基序列。
• 格式转换：输出包含序列及其测序质量值的 FASTQ 文件。

2. 二级分析（核心计算分析）

• 数据质控（QC）：使用工具（如 FastQC）检查测序数据的质量，切除接头（Adapter）并过滤低质量碱基。
• 序列比对（Alignment）：使用比对工具（如 BWA 或 Bowtie2）将测序 reads 比对到参考基因组上，生成 SAM/BAM 文件。
• BAM 排序与去重：对 BAM 文件按基因组坐标排序，并标记或去除 PCR 重复序列（如使用 Picard）。
• 变异检测（Variant Calling）：针对重测序或基因组项目，使用工具（如 GATK 或 Samtools）检测单核苷酸多态性（SNP）和小片段插入缺失（InDel），生成 VCF 文件。

3. 三级分析（高级与深度分析）

• 变异注释（Annotation）：使用软件（如 ANNOVAR 或 VEP）对 VCF 中的突变位点进行基因、功能及已知数据库（如 ClinVar、1000 Genomes）的注释。
• 生物学解释：进行通路富集分析（GO/KEGG）、候选基因筛选及表型关联预测。