本研究旨在为高通量测序时DNA建库设计barcode,用于在一次测序中获得更多的基因型数据,降低测序成本为后续的全基因组关联分析和基因组选育提供基因型数据。基因测序的出现极大的推动了生物科学领域的发展。在过去的30年里由英国生物化学家Sanger发明的DNA测序法取得了无数的科研成果。人类基因组测序计划推动了二代测序的产生与发展,由于其通量高、自动化程度高、成本低在几年内便迅速地应用在生命科学领域。Barcode是指链接在测序接头后的一段用于区分测序分析时基因型数据来源的碱基序列。测序过程中,DNA文库构建时在样品上添加barcode后混合,可在一次测序中获得几十甚至上百个个体基因型数据,在后期数据分析时利用生物信息学软件以条码序列为依据区分不同样品,能够显著降低测序成本。目前已公开的barcode有Illumina公司的12个、美国科罗拉多大学博尔德分校的丹尼尔所发表的设计的barcode的软件、康奈尔大学的96个和和华中农业大学的96个。其中康奈尔大学的96个针对Apek I酶,Illumina公司的只有6碱基的barcode 12个,美国科罗拉多大学博尔德分校的丹尼尔所发表的设计的barcode的软件只能产生8位的接头并且而华中农业大学的96个针对Mse I酶和Sac I酶。根据前人的研究不同的物种在DNA建库时需要不同的限制性内切酶,已公布的barcode并不能完全满足当前科研的需要,急需一种能够简易设计barcode的程序。R语言是一种应用面非常广的计算机语言,特别是在基因测序所产生的测序数据中有很好的应用。能够解决基因测序过程中大量数据的查询、调用、储存问题所产生的时间间隔等问题。本试验采用R语言对barcode进行设计,步骤如下:(1)设定barcode长度为3-11碱基对(bp),将A、T、G、C分别替换为数字1、2、3、4,应用R语言中的排列组合语句,生成数字的全排列组合。(2)将特异序列编码置换成数字形式,应用R语言中的删除语句,删除特异序列。删除起始密码子,终止密码子等特殊序列。(3)删除重复序列。删除连续三位重复的碱基序列,保证碱基的平衡度与复杂度。(4)根据特定限制性内切酶的酶切位点设计R语句,删除相应的组合。(5)数字与字母进行替换。将以上删除步骤结束后的数字替换成碱基字母。试验完成了3-11位的barcode设计,其中3位初始排列64个,4位初始排列256个,5位初始排列1024个,6位初始排列4096,7位初始排列16384,8位初始排列65536,9位初始排列262144,10位初始排列1048576,11位初始排列4194304。经过第二步和第三步筛选后剩余:3位剩余55个,4位剩余191个,5位剩余660个,6位剩余2294,7位剩余7948,8位剩余27539,9位剩余95418,10位剩余330607,11剩余1145498。前人试验中曾经应用过3-8位的barcode,通过本次研究的语句3-8位barcode,共产生87360个排列组合,删除特异序列后共55431个排列组合,除重复序列后共38689个排列组合,删除酶切位点后(以Apke I为例)共38191个排列组合,为barcode的进一步设计提供必要的研究基础,在以后的设计中,可以根据设计出的数据进行下一步的筛选,本研究已将此方法生成R脚本程序,方便调用。