[论文解读] Principle, analysis, application and challenges of next-generation sequencing: a review

Khalid Raza, Sabahuddin Ahmad|arXiv (Cornell University)|Jun 15, 2016

Genomics and Phylogenetic Studies参考文献 47被引用 7

一句话总结

本综述综合了下一代测序（NGS）的原理、应用及计算挑战，突出其高通量、并行测序能力，可实现对大规模基因组数据集的快速、低成本分析。综述强调NGS在医学研究、作物改良和疾病治疗方面的变革性作用，依赖于专门的生物信息学工具和数据分析流程。

ABSTRACT

Next Generation Sequencing (NGS), a recently evolved technology, have served a lot in the research and development sector of our society. This novel approach is a newbie and has critical advantages over the traditional Capillary Electrophoresis (CE) based Sanger Sequencing. The advancement of NGS has led to numerous important discoveries, which could have been costlier and time taking in case of traditional CE based Sanger sequencing. NGS methods are highly parallelized enabling to sequence thousands to millions of molecules simultaneously. This technology results into huge amount of data, which need to be analysed to conclude valuable information. Specific data analysis algorithms are written for specific task to be performed. The algorithms in group, act as a tool in analysing the NGS data. Analysis of NGS data unravels important clues in quest for the treatment of various life-threatening diseases; improved crop varieties and other related scientific problems related to human welfare. In this review, an effort was made to address basic background of NGS technologies, possible applications, computational approaches and tools involved in NGS data analysis, future opportunities and challenges in the area.

研究动机与目标

• 提供下一代测序（NGS）基础原理和技术演进的全面概述。
• 探讨NGS在生物医学研究、农业和人类健康中的多样化应用。
• 分析NGS数据处理中使用的计算工具和算法。
• 识别NGS技术及数据分析中的关键挑战与未来机遇。

提出的方法

• 本文采用叙述性综述方法，整合NGS技术及其应用的现有文献。
• 概述NGS平台的技术架构，强调测序反应的并行化处理。
• 详细描述NGS数据分析所用的计算流程，包括序列比对、变异检测和质量控制。
• 评估针对特定NGS任务（如RNA-Seq、ChIP-Seq和全基因组测序）量身定制的专用生物信息学工具和算法。
• 讨论NGS生成数据的高容量和复杂性所带来的数据管理和计算挑战。
• 整合已发表研究的见解，评估当前NGS工作流程的影响力与局限性。

实验结果

研究问题

• RQ1 下一代测序的核心技术原理是什么？其与Sanger测序有何不同？
• RQ2 NGS在生命科学和人类福祉中的主要应用有哪些？
• RQ3 哪些计算工具和算法对有效NGS数据分析至关重要？
• RQ4 处理和解释大规模NGS数据集的主要挑战是什么？
• RQ5 NGS领域未来预期的机遇和发展方向有哪些？

主要发现

• NGS可同时对数千至数百万个DNA片段进行测序，与Sanger测序相比，通量大幅提升。
• 该技术加速了基因组学的发现，实现了对疾病遗传因素的更快、更低成本的识别。
• 专用生物信息学工具对处理和解释NGS平台产生的海量数据至关重要。
• NGS数据分析依赖于针对特定应用（如基因表达、表观遗传学和结构变异检测）定制的算法流程。
• 尽管具有优势，NGS仍因数据量大和复杂性高，带来显著的计算和数据管理挑战。
• 本综述识别出在数据分析、集成和可扩展性方面持续创新的机遇，以支持未来的基因组研究。