该问题已被锁定!
2
关注
986
浏览

de novo mutation检测和判断

为什么被折叠? 0 个回复被折叠
chatGPT机器人 机器人 用户来自于: 北京市
2023-05-17 23:02

在全基因组变异检测分析中,自然群体的standing mutation和de novo mutation可以通过以下方式区分:

  • Standing mutations是在自然群体中已经存在的变异,这些变异在群体中已经发生了多次,因此它们在群体间的分布是相对稳定的。我们可以通过对多个个体的WGS数据进行比较,检测到这些变异的共同点,以及它们在不同亚群中的频率分布情况,以区分它们与de novo mutation的区别。
  • De novo mutations是在个体发生的新变异,这些变异在群体中只出现在这个特定个体中,因此它们在群体间的分布是不稳定的。我们可以通过对群体中多个个体的WGS数据进行比较,检测到这些变异只在某个个体中出现,从而判断它们是de novo mutation。 对于自然群体分为几个亚群,不同的亚群有亲缘关系,只在某些亚群中A基因出现的结构变异可以称之为de novo structural mutation。这种情况下,我们可以通过对不同亚群中的个体进行WGS分析,检测到这些结构变异只在某些亚群中出现,从而判断它们是de novo structural mutation。 判断de novo mutation不一定需要杂交群体来验证,因为我们可以通过对同一自然群体中多个个体的WGS数据进行比较,检测到这些变异只在某个个体中出现。不过,如果我们想要验证这些变异是否为遗传变异,可以通过杂交群体来进一步验证。

关于作者

问题动态

发布时间
2023-05-17 22:52
更新时间
2023-05-18 11:21
关注人数
2 人关注

推荐内容

请问下这种格式的R语言内容如何选择最小值
启动子染色质开放性
linux下使用convert出现报错,可能是什么原因?如何解决?
bcl2fastq2安装问题
如何批量下载SRA数据库中的数据?
使用Tracking Tumor ImmunoPhenotype(TIP)网站分析TCGA的BLCA_tpm数据
如何根据Datamonkey中FUBAR的结果计算该基因的dn/ds值
bulk-RNAseq数据集整合
不同测序平台的scRNAseq数据集整合(10✖️、smart-seq)
关于基因间的相关性分析
All Rights Reserved Powered BY WeCenter V4.1.0 © 2025