测序名词解释

测序深度（Sequencing Depth）是指：测序得到的碱基总量（bp）与基因组（转录组或测序目标区域大小）的比值，是评价测序量的指标之一。

测序深度的计算公式为：

测序深度 = （L × N）/ G

L：读段(reads)长度；N：读段数目；G：测序目标区域大小

覆盖度（coverage）是指测序获得的序列占整个基因组的比例。由于基因组中的高GC、重复序列等复杂结构的存在，测序最终拼接组装获得的序列往往无法覆盖所有的区域，这部分未覆盖的区域就称为Gap。值得注意的是，sequencing coverage指的就是depth of sequencing coverage也就是sequencing depth，反映了一个区域平均被多少个reads测到。

举个例子

假设对一段2000 bp（G：测序目标区域大小）的目标序列进行单端测序，得到1000条reads（N：读段数目），每条reads 200bp（L：读段长度），测序后把所有的reads比对到目标区域后，若2000bp的目标区域中有1800bp的位置至少有1个read覆盖到，而剩余的200bp没有任何read覆盖到，

在这里插入图片描述
可见，测序深度与覆盖度是成正相关的。

而不同实验对于测序量的需求，与目标区域的大小、突变类型和疾病模型等是密切相关的。

对于全基因组测序（WGS）来说，人类全基因组大约3G，健康人一般需要测到30X，即获得90G有效数据；要可靠地检测基因组中的单核苷酸多态性（singlenucleotide polymorphism, SNP）和插入缺失标记（insertion-deletion, INDEL），至少需要测到35X，产生105G的有效测序数据 [1]；而从头基因组测序（de novo genome sequencing）需要拼装基因组，最佳测序深度为50X [2]。

人类基因中大约有180,000个外显子，占人类基因组的1%，约30MB。对于全外显子测序（WES）来说，由于目标区域的异质性增加，以及探针50%的捕获效率，需要更大的平均读取深度才能获得与WGS相同的覆盖范围，覆盖89.6-96.8％的目标碱基，需要测到80X [1]。健康人的WES一般测到100X，获得6G数据，其中3G有效数据。

对于高异质性的细胞群或组织样本，比如肿瘤，WGS需要70-100X，WES需要160-200X。

RNA测序（RNA-seq）应用更广阔，现在已经在不同条件下的许多细胞和组织类型中进行了大量的RNA-seq实验，但是很少有关于RNA-seq测序深度的明确指南，这是因为测序要求通常取决于所研究的生物学问题，以及所测定的转录组的大小和复杂性。

单细胞真核生物和细菌等具有较简单的转录组，转录潜能也较低。如，4 M reads可以检测到80％的酵母基因。

哺乳动物拥有数以万计的基因，许多基因还包含不同亚型，并且具有不同的表达水平。在RNA-seq分析中，基因或转录本丰度通常表示为RPKM1。ENCODE2曾利用H1人胚胎干细胞做过评估，若研究对象是RPKM>10的基因，每个样本测到36 M reads就可以准确定量80％的基因表达。然而，对于低表达水平的基因（FPKM<10），要测到80 M reads才能准确定量。所以，如果需要在整个转录组准确定量所有基因（包括lncRNA基因），那么样本需要测到80M以上；如果只是研究表达量高的转录本的整体表达变化，那么每个样品36 M reads就足够了。

如果RNA-seq的目标是发现新的稀有的转录本，如noncoding RNA或mRNA新的可变剪接，考虑到这些转录本的低表达和建库方案产生的偏差，估计需要超过400 M reads。