Data Production and Analysis in Population Genomics: Methods and Protocols

ژنومیکس جمعیت رشته‌ای است که اخیراً پدیدار شده است و هدف آن درک چگونگی تأثیر فرآیندهای تکاملی بر تنوع ژنتیکی در بین ژنوم‌ها است. امروزه، در عصر ارزان‌تر توالی‌یابی نسل بعدی، دیگر به دست آوردن داده‌های ژنومی کامل برای گونه‌های مورد علاقه چندان دلهره‌آور نیست و اکنون ژنومیک جمعیت در طیف وسیعی از زمینه‌ها، از پزشکی و فارماکولوژی گرفته تا بوم‌شناسی و زیست‌شناسی تکاملی قابل تصور است. . با این حال، به دلیل فقدان ژنوم مرجع و داده های پیشینی کافی در مورد چندشکلی، تجزیه و تحلیل ژنومیک جمعیت جمعیت ها همچنان شامل محدودیت های بالاتری برای محققانی که روی ارگانیسم های غیرمدل کار می کنند، در مورد انتخاب تکنیک ژنوتیپ / توالی یابی یا روش های تجزیه و تحلیل. بنابراین، تولید و تجزیه و تحلیل داده ها در ژنومیک جمعیت به طور عمدی بر پروتکل ها و روش هایی تأکید می کند که برای گونه هایی که منابع ژنومی آن ها هنوز کمیاب است قابل اجرا است. این به سه بخش مناسب تقسیم می‌شود که هر یک به یکی از چالش‌های اصلی پیش روی دانشمندانی که در حال راه‌اندازی یک مطالعه ژنومیک جمعیت هستند، می‌پردازد. بخش اول به ابداع یک نمونه‌برداری و/یا طرح آزمایشی مناسب برای پرداختن به سؤال بیولوژیکی مورد علاقه کمک می‌کند. بخش دوم به نحوه اجرای بهترین روش ژنوتیپ یا توالی‌یابی برای به دست آوردن داده‌های مورد نیاز با توجه به محدودیت‌های زمانی و هزینه‌ای و همچنین سایر منابع ژنتیکی موجود می‌پردازد، در نهایت، بخش آخر در مورد استفاده حداکثری از (به طور کلی عظیم) است. مجموعه داده های تولید شده با استفاده از روش های تجزیه و تحلیل مناسب به منظور رسیدن به یک نتیجه بیولوژیکی مرتبط. این فصل‌ها با فرمت موفق روش‌ها در زیست‌شناسی مولکولی™ نوشته شده‌اند، شامل مقدمه‌ای بر موضوعات مربوطه، فهرستی از مواد و معرف‌های لازم، پروتکل‌های گام به گام و به آسانی قابل تکرار، توصیه‌هایی در مورد روش‌شناسی و پیاده‌سازی است. و یادداشت هایی در مورد عیب یابی و اجتناب از دام های شناخته شده.

معتبر و به راحتی قابل دسترسی، تولید و تجزیه و تحلیل داده ها در ژنومیک جمعیت با ارائه دستورالعمل ها به خوانندگان گسترده ای خدمت می کند. برای کمک به انتخاب و اجرای بهترین استراتژی تجربی یا تحلیلی برای یک هدف معین.

Population genomics is a recently emerged discipline, which aims at understanding how evolutionary processes influence genetic variation across genomes. Today, in the era of cheaper next-generation sequencing, it is no longer as daunting to obtain whole genome data for any species of interest and population genomics is now conceivable in a wide range of fields, from medicine and pharmacology to ecology and evolutionary biology. However, because of the lack of reference genome and of enough a priori data on the polymorphism, population genomics analyses of populations will still involve higher constraints for researchers working on non-model organisms, as regards the choice of the genotyping/sequencing technique or that of the analysis methods. Therefore, Data Production and Analysis in Population Genomics purposely puts emphasis on protocols and methods that are applicable to species where genomic resources are still scarce. It is divided into three convenient sections, each one tackling one of the main challenges facing scientists setting up a population genomics study. The first section helps devising a sampling and/or experimental design suitable to address the biological question of interest. The second section addresses how to implement the best genotyping or sequencing method to obtain the required data given the time and cost constraints as well as the other genetic resources already available, Finally, the last section is about making the most of the (generally huge) dataset produced by using appropriate analysis methods in order to reach a biologically relevant conclusion. Written in the successful Methods in Molecular Biology™ series format, chapters include introductions to their respective topics, lists of the necessary materials and reagents, step-by-step, readily reproducible protocols, advice on methodology and implementation, and notes on troubleshooting and avoiding known pitfalls.

Authoritative and easily accessible, Data Production and Analysis in Population Genomics serves a wide readership by providing guidelines to help choose and implement the best experimental or analytical strategy for a given purpose.