編者按：數以百計的小麥重測序數據正在向我們奔湧而來。這些數據將可為我們推進小麥研究工作提供寶貴的信息。然而，“數據≠信息”。面對海量數據，我們需要用工具進行進行整理、抽提、過濾、分析，才能獲得需要的信息；否則海量數據依然是硬盤中“冷冰冰”的數據而已。近期，中央提出加快“新基建”，包括“加快5G網絡、數據中心等新型基礎設施建設進度”，引發各界高度關注。在小麥“後基因組學時代”，我們也將迎來海量測序數據中心的“新基建”。在小麥等物種的“大數據中心”的建設中，如何避免數據庫的“重複設計”、“重複開發”、“重複建設”？將值得我們現階段思考和探索。
我們在之前給大家推送了“拿什麼迎接你：即將到來的海量重測序數據？”。在過去的兩年中，中國農業大學農學院小麥研究中心（WGGC）的師生們經過不斷設計與修改，開發了一套適用於大規模重測序數據“再分析”的數據庫系統模型：SnpHub（開源項目主頁：http://guoweilong.github.io/SnpHub）。利用該數據庫模型，可在已有的VCF數據的基礎上，快速搭建一個高效率查詢、歸檔和快速輕量級分析的數據庫。目前，中國農業大學小麥研究中心團隊利用SnpHub，把已公開發表六套(共計千餘份)小麥及其祖先種的變異數據搭建了一個公共分析平臺門戶——Wheat-SnpHub-Portal（網址：http://wheat.cau.edu.cn/Wheat_SnpHub_Portal/ ）。
<table><tbody>數據集
倍性
測序方法
樣本數
文章
1
Hexa-/Tetra-/Diploid
WGS
63/25/5
2
Hexa-/Tetra-/Diploid
WEC
436/38/13
3
Hexaploid
WEC
1026
4
Hexaploid
WEC&GBS
62
5
Tetraploid
WEC
64
6
Diploid
GBS
567
此外，在孔令讓老師團隊的支持下，Wheat-SnpHub-Portal網站也將在近期上線山東農業大學在PNAS發表的168份二粒小麥的數據集（一作解讀 | PNAS: 生態選擇和染色體重排驅動野生二粒小麥同域物種形成）。
本期推送將以2019年在《Genome Biology》上發表的重測序數據集[1]為例，介紹SnpHub數據庫的基本使用功能。
1. Wheat-SnpHub-Portal網站主頁
首先打開門戶網站（http://wheat.cau.edu.cn/Wheat_SnpHub_Portal/）【該網址目前還可以在“小麥族多組學數據網站”（http://202.194.139.32）中的"Other links"頁面找到】。找到對應數據集，並點擊“Access the dataset”，進入該數據集的SnpHub實例。每次加載新“實例”時，會有約數秒~半分鐘不等的系統初始化時間；實例加載完後，各種查詢和分析就很快啦。另外，每次點擊會有系統根據運行資源自動分配一個動態的URL；不同的URL為不同的session。
圖1. Wheat-SnpHub-Portal網站首頁
2. 打開一個SnpHub新實例，我們可以看到如下頁面（圖2）。
圖2. Genome Biology 2019 數據集的SnpHub實例的首頁
SnpHub實例的整個頁面分為兩部分：上方（藍色框）為標籤區，可以點擊不同標籤來切換功能；下方（綠色框）則為功能區，展現當前標籤對應的各個功能。進入實例後（如圖2），首頁（即左起第一個標籤頁）顯示了當前數據集的基本信息與相關鏈接。
3. 樣本信息及數據描述頁面（SampleInfo）
SampleInfo標籤頁下，展示了當前數據集中樣本的基本信息。諸如：可用於後續查詢的“Accession name”；在圖中顯示的“Display name”等；樣本的原始數據VCF中的樣本ID（vcfID）；預先定義的樣本分組及列表。此外，還有對應的參考基因組信息，染色體編號、大小；基因註釋的版本等。支持數據框查詢和數據表格翻頁。
圖3. SampleInfo頁面使用示例
4. 變異數據表格查詢頁面（VarTable）
在VarTable標籤頁中，用戶可以對多個樣本（或樣本組）的特定區間的變異情況進行查詢。如果查詢多個樣本，可將多個樣本的Assession name可以用”,”隔開。指定預設的分組Diploid，可以輸入“#Diploid”。如果查詢所有樣本，可以輸入“#RAW”（樣本多了肯定慢，可不要太貪心哦~）。指定的基因組區間既可以是簡單的形如“chr:from-to”形式，也可以是基因名形式。確定好“樣本列表信息”和指定的區間後，點擊“Run”按鈕，對應的變異位點信息就在右邊部分顯示出來了。
說明：“0/0”和參照基因組一樣；“1/1”純合突變位點；“0/1”雜合位點；“./.”覆蓋度較低不足以判斷（有時候可能是“真”丟了，當然“假”的也很多）。
當然，查詢結果還可以數據表格的形式保存至本地（點擊兩個“Download”按鈕中的一個即可）。有什麼區別？試試就知道了。
圖4. VarTable頁面使用示例
5. 熱圖可視化變異數據（Heatmap）
看了滿屏的“0/0”, “1/1”是在眼花怎麼辦？好吧，來給你點“顏色”看看~
在Heatmap頁面中，用戶可以通過和VarTable中類似的參數設置，查看指定樣本（組）在指定區間的變異情況。熱圖中不同顏色分別表示了無突變、純合突變、雜合突變與基因型缺失，並在圖左側標註了位點的其他信息。Heatmap提供了一種直觀的識別特定分組中單倍型，或多個分組件單倍型差異的方法。
圖5. Heatmap頁面使用示例
6. 特定基因/區間的單倍型網絡分析（HapNet）
HapNet依據給定區間的變異信息，構建單倍型網絡（haplotype network）。通過輸入樣本（組）、區間信息等，就能繪製出該區間與樣本集的單倍型網絡圖。同時，在圖下方的表格中，還將給出圖中各個haplotype內包含的樣本。
除了數據庫中預先設定的樣本集合外，用戶可以自己設定新的樣本集合。如：
Group1{Sample1,Sample2},Group2{Sample3,Sample4}
圖6. HapNet頁面使用示例
7. 樣本列表或樣本集合在指定區間的Phylogenetic Tree（PhyloTree）
在PhyloTree標籤頁中，用戶選擇分析類型（NJ-Tree 或MDS）、樣本（組）、區間之後，將得到對應的做圖。同時，圖像下方還將給出樣本間距離矩陣。此功能可用於研究指定區間的群體遺傳構成。
圖7. PhyloTree頁面使用示例
8. 將變異信息顯示在地圖上（HapMap）
HapMap功能提供了一種查看單個變異位點的不同allele地理分佈情況的方法。用戶可以通過調整經、緯度範圍以及網格精度（控制圓點代表的地域範圍）來可視化不同基因型的地理分佈信息。
圖8. HapMap頁面使用示例
9. 將變異頻率和功能顯示在基因結構上（SnpFreq）
SnpFreq標籤頁提供了“棒棒糖圖”（lollipop）類型的SNP/INDEL位點和功能註釋的可視化方案：高度表示突變頻率，不同顏色表示變異類型（錯義突變、移碼突變等）；並在底部繪製了轉錄本信息，內容包括外顯子、內含子、CDS和轉錄方向等。可用於快速尋找重要突變位點，也可用於對比位點組間頻率分化情況。
圖9. SnpFreq頁面使用示例
10. 自動幫你換上樣本變異信息的序列生成方案（SeqMaker）
SeqMaker功能是在參考序列的基礎上，通過替換為指定樣本的變異基因型重建特定樣本（組）特定區間的consensus序列，生成的序列可以直接下載為FASTA格式文件。
圖10. SeqMaker頁面使用示例
限於篇幅，本次推送僅對SnpHub平臺的功能進行整體展示介紹。之後還將推出具體功能的參數選擇、技術細節和使用技巧。
歡迎各位專家、同行、朋友的關注和反饋！
(WANG Wenxi: [email protected];
GUO Weilong: [email protected])
附：
SnpHub主頁：http://guoweilong.github.io/SnpHub/SnpHub
使用指南：https://esctrionsit.github.io/snphub_tutorial/
Wheat SnpHubPortal網址： http://wheat.cau.edu.cn/Wheat_SnpHub_Portal/
Cite：
Wenxi Wang*, Zihao Wang*, et al.. SnpHub: an easy-to-set-up web server framework for exploring large-scale genomic variation data in the post-genomic era with applications in wheat,bioRxiv, 626705. https://doi.org/10.1101/626705
閱讀更多 小麥研究者 的文章
