本文转载自嘉因微信公众号，已获得授权。查看最新文章，敬请关注嘉因，微信ID：rainbow-genome

作者：小哈  来源：嘉因

昨天央视新闻报道我国启动“十万人基因组计划”，早上看到生信技能树的《限制我们想象力的就是贫穷》，江苏今年十月已启动“百万人群基因组计划”。

如果我有钱有资源，那我是不是可以启动个“一亿人基因组计划”？？？

等等，好像有哪里不对

我静下心来思考了一下，这一亿人的基因组计划要如何设计？想挖掘出什么样的规律？找哪些人来测？怎样分组？都取血液、肿瘤组织？器官捐献者的组织要取哪些？怎样设对照？怎样设重复？

或者，不要那么麻烦，先测了再说？

翻了翻以前写的实验设计帖子：

• 测多少数据量？几个G？多少reads？如何换算？
  

• RNA-seq要做几次生物学重复？找出来的100%都是真正的应答基因

• ChIP-seq的重复次数和对照

• ATAC-seq的重复次数

• eCLIP-seq的重复次数和对照

• 全基因组、外显子组、区域捕获测序实验设计

再查了查几个国际项目的实验设计：

GTEx的实验设计

《把RNA跟基因型、疾病联系起来 | GTExPortal、dbGaP、recount2视频》

样本

GTEx收集了来自960个人，超过2万samples，53种tissue；

数据类型

RNA-seq

成果

鉴定了673个trans-eQTLs at 10% genome-wide FDR

ENCODE的实验设计

《ENCODE介绍视频 | 由ENCODE成员翁志萍教授亲自讲解》

样本

GTEx收集的捐献者的组织、原代细胞、以及其他细胞系。

数据类型

DNase-seq、ATAC-seq、组蛋白修饰的ChIP-seq、转录因子ChIP-seq、RNA-seq、RAMPAGE、RIP/CLIP-seq、DNA甲基化、ChIA-PET、Hi-C

成果

不管它发了多少CNS文章，反正查ENCODE数据已经成为我们日常科研中不可或缺的一步。

TCGA的实验设计

《TCGA教程大合集：不会编程是常态，但永远难不倒努力前行的临床医生》

样本

33种癌症，超过11000位患者的肿瘤样本以及配对的正常组织。

数据类型

临床数据、基因组或外显子组、RNA-seq

成果

高水平文章数不过来，临床上对哪个基因感兴趣，我就拿出手机查该基因的TCGA数据，看它在哪个组织表达量高，再上电脑看生存曲线

《装这个app，妈妈再不骂我捧着手机不干正事了 | 北大唐泽方GE-mini和GEPIA》

最后，得出这样的结论：

给我测一亿人基因组的钱，我也不测一亿人的基因组。

Q：测啥呢？

A：我收集1万中国某种癌症患者的肿瘤组织，尽量收集同一患者来源的正常组织做对照。做好临床数据的录入和标准化，测下面这些：

1. 基因组

2. DNA甲基化

3. RNA-seq

4. eCLIP-seq

5. ATAC-seq
   

6. 组蛋白修饰的ChIP-seq

7. 转录因子的ChIP-seq

8. ChIA-PET

9. Hi-C

Q：为啥测一亿人基因组的钱，你做这9个实验就只能测1万人了？

A：基因组测序没啥技术门槛，有钱就能做。而ChIP-seq、ATAC-seq和eCLIP-seq技术门槛太高，国内能做好的人才太少了。我要从培养人才做起，21世纪最值钱的是人才。