宏基因组的前景如何？目前主要应用在哪些方面？？_问答_优艾设计网_设计界精英聚集地,Ps自学,电脑知识百科,专业设计知识分享平台

宏基因组是研究生物与其周边环境相互作用优艾设计网_设计圈的科学，并设计到基因组的研究方法。想知道其宏基因组的前景及发展概况。

ww在哪里 2021-11-02 04:52

宏基因组应用
物种鉴定

将所得序列（通常为16S/18S rRNA等兼具保守及高变特性的序列）与专业数据库（Silva、RDP等）进行比对，得出样品中所含物种的信息。
多样性统计学分析

将所得序列（通常为16S/18S rRNA等兼具有保守及高变特性的序列）进行聚类，得到相应的OTUs（分类操作单元）。通过优艾设计网_设计客统计学手段，分析出环境样品中的主要成分及不同样品间的明显差异因素。结合物种鉴定，可以得到关键菌群。
宏基因组拼接

对环境样品DNA进行大规模测序后，通过严格的拼接方式，可获得较长的DNA片段。当样品的生物多样性较低，且达到一定测序通量后，很有可能直接获得一个或多个微生物基因组草图。
功能分析

将所得序列与已有的数据库进行比对，进行基因功能的注释。其中，常用的数据库包括Nt、Nr、GO、COG、KEGG、SEED、Swiss-Prot等。
微生物群落结构及功能

通过大量测序，可以获得样品的群落结构信息，如微生物物种在该环境下的分布情况及成员间协作关系等。通过实验还可以确定一些特殊的主要基因或DNA片段。对于多个样品，还可做相应的比较分析，发掘样品间的相同点与不同点。

一虹 2021-11-02 04:59

宏基因组 ( Metagenome)（也称微生物环境优艾设计网_设计圈基因组 Microbial Environmental Genome, 或元基因组）。是由 Handelsman 等 1998 年提出的新名词，其定义为“the genomes of the total microbiota found in nature” , 即生境中全部微小生物遗传物质的总和。它包含了可培养的和未可培养的微生物的基因，目前主要指环境样品中的细菌和真菌的基因组总和。而所谓宏基因组学 (或元基因组学， metagenomics) 就是一种以环境样品中的微生物群体基因组为研究对象，以功能基因筛选和/或测序分析为研究手段，以微生物多样性、种群结构、进化关系、功能活性、相互协作关系及与环境之间的关系为研究目的的新的微生物研究方法。一般包括从环境样品中提取基因组 DNA, 进行高通量测序分析，或克隆DNA到合适的载体，导入宿主菌体，筛选目的转化子等工作。（摘自百度）
就我研究的植物这个对象，也可以利用宏基因组的研究策略发掘植物共生菌基因资源，可为医药和工业生物技术等领域带来创新成果。
成功的案例是08年中科院昆明植物研究所的一个研究，详见http://onlinelibrary.wiley.com ... tract

秋天的小马甲 2021-11-02 05:02

优艾设计网_平面设计
特定生物种基因组研究使人们的认识单元实现了从单一基因到基因集合的转变，宏基因组研究将使人们摆脱物种界限，揭示更高更复杂层次上的生命运动规律。在目前的基因结构功能认识和基因操作技术背景下，细菌宏基因组成为研究和开发的主要对象。细菌宏基因组细菌人工染色体文库筛选和基因系统学分析使研究者能更有效地开发细菌基因资源，更深入地洞察细菌多样性。如宏基因组成为生物催化剂的新来源。

影弓小优艾设计网_Photoshop百科 2021-11-02 05:05

补充：
宏基因组学研究的工作流程一般包括：样品采集、核酸提取、大规模测序、数据比对检索分析、生物学功能分析等。
在整个工作流程中，并没有对真正的研究对象（目标微生物）进行分离、纯化和培养富集，也就是说，这一研究手段并不在乎样品中有何种微生物，也不在乎有多少，而是只要在样品中，就统统把核酸序列测定出来，然后再通过和已有的核酸序列数据进行比对，判断已知种类和对未知种类进行预测。

wsj3014 2021-11-02 05:07

对于复杂的环境样品，以前单个单个的培养细菌或者其他微生物太费力气。而且90%或者更多的微生物是不能多带带培养的。这样就催生了宏基因组学研究。
狭义的宏基因组学研究是优艾设计网_设计LOGO16S，18S和ITS以及其他单拷贝基因，主要根据数据库对环境样品进行物种分类和丰度调查，然后进行样品间的比较。主要的测序平台有454，hiseq（miseq）和torent。由于454的读长较长，使得454成为标准的测序平台。但454的通量和价格使得不能做更多的样品。随着miseq的读长变长，加上罗氏不支持454了，具有高通量的miseq测序成为以后的主流平台。
广义上的宏基因组还包括对其他DNA片段进行测序，然后进行组装。由于不同样品物种复杂度不同，组装效果也差别很大。单纯的用组装纯生物的方法并不适合。需要更大的测序深度，内存更大的计算资源和更有效的算法优化组装结果。这种分析方法弥补了只靠rDNA或者单拷贝基因不能进行新物种发现，新基因发现和代谢通路的缺憾。