基于概率模型的RNA-Seq數(shù)據(jù)分析.pdf

1、基因和基因剪切異構(gòu)體表達(dá)水平的估計(jì)是轉(zhuǎn)錄組學(xué)研究的一個(gè)基礎(chǔ)問(wèn)題，能否準(zhǔn)確地測(cè)量出基因和異構(gòu)體的表達(dá)水值關(guān)系著后續(xù)數(shù)據(jù)分析的準(zhǔn)確性。RNA-Seq是基于下一代高通量測(cè)序技術(shù)對(duì)轉(zhuǎn)錄組進(jìn)行研究的實(shí)驗(yàn)技術(shù)，被稱為革命性的轉(zhuǎn)錄組分析技術(shù)。RNA-Seq方法為我們提供了一種“數(shù)字化”的表達(dá)值估計(jì)方法。但是RNA-Seq數(shù)據(jù)的一些特性給準(zhǔn)確測(cè)量基因和剪切異構(gòu)體表達(dá)水平帶來(lái)了挑戰(zhàn)。
　　首先，RNA-Seq實(shí)驗(yàn)產(chǎn)生的讀段序列通常較短，不能覆蓋整條

2、轉(zhuǎn)錄本序列。其次，真核生物中普遍存在選擇性剪切現(xiàn)象導(dǎo)致讀段向較長(zhǎng)的轉(zhuǎn)錄本參考序列映射時(shí)，出現(xiàn)多個(gè)匹配位點(diǎn)。另外，由于實(shí)驗(yàn)操作過(guò)程中的偏好性選擇，基因本身的結(jié)構(gòu)特性，測(cè)序誤差等因素的干擾，導(dǎo)致讀段在參考序列上呈現(xiàn)非均勻分布狀態(tài)。因此需要設(shè)計(jì)出更加準(zhǔn)確的模型以模擬RNA-Seq數(shù)據(jù)的特點(diǎn)，進(jìn)而精確地計(jì)算基因和異構(gòu)體表達(dá)水平。
　　本文基于文本數(shù)據(jù)與RNA-Seq數(shù)據(jù)在結(jié)構(gòu)上具有的高度相似性，即一個(gè)基因?qū)?yīng)的讀段可分別映射到所對(duì)應(yīng)的外顯