[论文解读] Using sequencing coverage statistics to identify sex chromosomes in minke whales

Ketil Malde, Rasmus Skern+1 more|arXiv (Cornell University)|Feb 18, 2019

Marine animal studies overview参考文献 43被引用 3

一句话总结

本研究提出了一种简单、基于覆盖度的生物信息学方法，仅利用公开的全基因组测序数据，即可识别小须鲸的性染色体。通过分析雄性和雌性样本之间的测序深度差异，作者成功将基因组支架分类为X或Y染色体，鉴定出约90 Mbp的性染色体连锁序列，证明仅依靠覆盖度统计即可可靠检测性染色体，而无需事先了解或进行复杂的同源性搜索。

ABSTRACT

The ever-increasing number of genome sequencing and resequencing projects is a central source of insights into the ecology and evolution of non-model organisms. An important aspect of genomics is the elucidation of sex determination systems and identifying genes on sex chromosomes. This not only helps reveal mechanisms behind sex determination in the species under study, but their characteristics make sex chromosomes a unique tool for studying the mechanisms and effects of recombination and genomic rearrangements and how they affect adaption and selection. Despite this, many sequencing projects omit such investigations. Here, we apply a simple method using sequencing coverage statistics to identify scaffolds belonging to the sex chromosomes of minke whale, and show how the sex chromosome system can be determined using coverage statistics alone. Using publicly available data, we identify the previously unknown sex of an Antarctic minke whale as female. We further investigate public sequence data from the different species and sub-species of minke whale, and classify genomic scaffolds from a published minke whale assembly as X or Y chromosomal sequences. Our findings are consistent with previous results that identified a handful of scaffolds as sex chromosomal, but we are able to identify a much larger set of scaffolds, likely to represent close to the complete sex chromosomal sequences for the minke whale. Sequence coverage statistics provides a readily available tool for investigating the sex determination system and locate genes on sex chromosomes. This analysis is straightforward and can often be performed with existing resources.

研究动机与目标

• 开发一种低成本、易获取的方法，仅利用测序覆盖度数据识别非模式生物的性染色体。
• 利用公开可用的基因组数据，确定一只南极小须鲸的性别，确认其为雌性。
• 在不依赖基于同源性的方法的前提下，将已发表的小须鲸基因组组装中的基因组支架分类为X或Y染色体序列。
• 证明基于覆盖度的分析可识别出远多于以往基于同源性的方法所鉴定的性染色体支架集合。
• 提供一种可扩展、计算简单的方案，适用于任何具有XY或ZW性染色体系统的物种，仅利用现有的基因组资源。

提出的方法

• 利用来自雄性和雌性小须鲸的全基因组鸟枪法测序数据，计算基因组支架上的读长覆盖度。
• 比较雄性和雌性样本之间的覆盖度分布，识别出具有Y（或W）染色体典型半合子模式的支架。
• 采用聚类方法按覆盖度水平对支架进行分组，以区分常染色体（覆盖度均衡）与性染色体（覆盖度不对称）。
• 将支架长度作为协变量，校正覆盖度偏差，提高覆盖度估计的准确性。
• 应用统计建模（如负二项分布或混合模型）以处理覆盖度数据中的过度离散和异方差性。
• 通过公开可用的数据验证结果，并通过GitHub发布分析脚本，确保可重复性。

实验结果

研究问题

• RQ1 仅依靠测序覆盖度统计，是否能可靠识别小须鲸的性染色体，而无需事先了解其性染色体系统？
• RQ2 利用基于覆盖度的分类方法，可有多少个支架可被可靠分配至小须鲸基因组的X或Y染色体？
• RQ3 与基于同源性的方法相比，该方法在识别性染色体连锁序列方面有多大优势？
• RQ4 该方法是否可应用于仅利用公开测序数据解决此前未分类个体的性别问题？
• RQ5 基于覆盖度模式，小须鲸性染色体的估计大小和基因组成是多少？

主要发现

• 该方法成功将90 Mbp的基因组支架识别为性染色体序列，显著多于以往基于同源性的鉴定结果。
• 仅通过公开测序数据的覆盖度统计，即确定了一只南极小须鲸的性别为雌性，该性别此前未知。
• 该分析将大量支架分类为X或Y染色体序列，其覆盖度模式在多个小须鲸物种和亚种中保持一致。
• 该方法识别出的性染色体连锁支架数量远超早期研究，表明已近乎完整覆盖性染色体区域。
• 即使每个性别仅有一个测序文库，该方法依然稳健，且在高质量基因组组装（支架长度>10 kbp）上表现良好。
• 结果通过公开数据得到验证，分析脚本已公开共享，以确保可重复性并支持更广泛的应用。