震驚！Genbank參考基因組序列多處錯誤！

 震驚！Genbank參考基因組序列多處錯誤！

　　隨著基因組測序技術的飛速發展以及測序成本的快速降低，全基因組數據也在急速增加。盡管參考基因組數據是非常有價值的資源，但是由于測序過程中的外源污染或者研究者對數據組裝方法的誤用，使得基因組數據面臨很多問題。

　　近日，約翰霍普金斯大學的研究者在《Peer J》上發表一項研究，發現Genbank上存儲的動植物基因組草圖中存在細菌及病毒污染。這些物種間交叉污染會給微生物分析的發展造成很多問題，例如，即便在動物測序數據中出現部分基因序列可以證明生命起源，但實際上這部分序列可能是來自是微生物污染。該研究的另一個驚人的發現是，在奶牛和綿羊的基因組草圖中發現了淋球菌！

　　盡管Genbank上存儲的基因組被認為是完整的，但一些細菌的基因組其實是含有多處DNA插入錯誤的草圖。從1995年，測序獲得了第一個細菌全基因組——流感嗜血桿菌基因組，到現在，Genbank數據庫上存儲了大約2萬7千個原核生物基因組以及1千6百個真核生物基因組。但絕大部分數據是基因組草圖，序列中存在多處gap（漏洞），而后續分析都是基于這些不完整的基因組草圖。如果不深入分析判斷，很可能認為只是基因水平轉移引起這些錯誤，因此需要更科學的、正確的分析基因組中出現的錯誤。

　　基因組測序的第一步是提取DNA，根據物種的不同，獲取DNA的方式也是各式各樣。對于動物，通常從血液中提取DNA，但是像昆蟲這樣的微小動物，需要從整個個體中提取測序所需的DNA。從DNA提取到測序，都存在污染的可能性。計算機對測序原始數據的過濾只能去除例如大腸桿菌一類實驗室常見污染，對于其它種類的污染是很難去除的。

　　需要強調的是，不僅要對即將發表的基因組進行仔細篩查，還包括那些已經發表的數據。