对肿瘤组织的全基因组DNA进行测序，并以此为基础进行个体或群体水平的差异性分析。通过全基因组重测序，研究者可以找到大量的单核苷酸多态性位点（SNP）、拷贝数变异（Copy Number Variation，CNV）、插入缺失（InDel，Insertion/Deletion）、结构变异（Structure Variation，SV）等变异位点。
注：提取基因组DNA，利用Covaris进行随机打断，电泳回收所需长度的DNA片段（0.2~5Kb），加上接头, 进行cluster制备 （Solexa）或E-PCR （SOLiD），利用Paired-End（Solexa）或者Mate-Pair（SOLiD）的方法对插入片段进行重测序。
服务流程：
测序深度（Sequencing Depth）：测序得到的碱基总量（bp）与基因组大小（Genome）的比值，它是评价测序量的指标之一。测序深度与基因组覆盖度之间是一个正相关的关系，测序带来的错误率或假阳性结果会随着测序深度的提升而下降。重测序的个体，如果采用的是双末端或Mate-Pair方案，当测序深度在10~15X以上时，基因组覆盖度和测序错误率控制均得以保证。
测序深度对基因组覆盖度和测序错误率的影响
（HOM：纯合体 HET：杂合体）
全基因组重测序的个体，通过序列比对，可以找到大量的单核苷酸多态性（SNP），插入缺失（InDel，Insertion/Deletion）和结构变异（SV，Structure Variation）位点。SBC可以协助客户，通过生物信息手段，分析不同个体基因组间的结构差异， 同时完成SNP及基因组结构注释。
全基因组重测序生物信息学分析流程
1．数据量产出
总碱基数量、Total Mapping Reads、Uniquely Mapping Reads统计，测序深度分析。
2．一致性序列组装
与参考基因组序列（Reference genome sequence）的比对分析，利用贝叶斯统计模型检测出每个碱基位点的可能性基因型，并组装出该个体基因组的一致序列。
3．SNP检测及在基因组中的分布
提取全基因组中所有多态性位点，结合质量值、测序深度、重复性等因素作进一步的过滤筛选，得到可信度高的SNP数据集。并根据参考基因组信息对检测到的变异进行注释。
4．InDel检测及在基因组的分布
在进行mapping的过程中，进行容gap的比对并检测可信的short InDel。在检测过程中，gap的长度为1~5个碱基。对于每个InDel的检测，至少需要3个Paired-End序列的支持。
5．Structure Variation检测及在基因组中的分布
目前SBC能够检测到的结构变异类型主要有：插入、缺失、复制、倒位、易位等。根据测序个体序列与参考基因组序列比对分析结果，检测全基因组水平的结构变异并对检测到的变异进行注释。
