基于RNA-Seq技術的人轉(zhuǎn)錄組分析研究.pdf

1、第二代測序技術(如Illumina，454和SOLiD)為基因組學的飛速發(fā)展奠定了堅實的基礎，它加快了新基因的發(fā)現(xiàn)，以及對DNA甲基化、單核苷酸多態(tài)性(SNP)等的研究。本文基于RNA-Seq技術，對人的轉(zhuǎn)錄組進行了分析研究，包括對基因的表達進行注釋，對基因在樣品間的差異表達進行分析，檢測樣品中的可變剪切，以及檢測SNP等。
　　 本文以人的轉(zhuǎn)錄組測序數(shù)據(jù)為分析材料，首先對Illumina下機數(shù)據(jù)進行了過濾處理和質(zhì)控。在確保得到

2、高質(zhì)量的數(shù)據(jù)(clean data)后，我們將測序數(shù)據(jù)與參考基因和參考基因組進行了SOAP比對，后續(xù)的許多分析都基于該比對結果。我們采用RPKM(Reads Per Kb perMillion mapped reads)方法計算基因的表達量，該方法能夠消除因基因長度和測序量的差異對基因表達量計算的影響，從而準確地反應基因的表達水平。通過超幾何檢驗，我們對差異基因進行了GO(geneontology)和pathway富集性分析，以發(fā)現(xiàn)差異

3、表達基因所參與的主要生物學過程。隨后，我們對樣品中的可變剪切事件進行了檢測?？勺兗羟械臋z測主要基于TopHat比對結果，然后對跨外顯子比對(即junction比對)的reads進行檢測，通過將junction位點信息與現(xiàn)有基因注釋結果對比，從而鑒定樣品中的可變剪切事件。最后，我們對樣品中的SNP進行了檢測。SNP的檢測也是基于前述SOAP比對結果，使用SOAPsnp軟件對SNP進行了篩選和過濾。通過對測序數(shù)據(jù)進行過濾，兩個樣品(YZ1和

4、YZ2)的clean data分別為3.6Gb和3.7Gb，堿基質(zhì)量和分布均良好。兩個樣品中reads與參考基因的比對率均在60％左右，而與參考基因組的比對率則高達90％左右。YZ1和YZ2中共檢測到15770和15828個基因表達，其中有288個基因是在樣品中差異表達的(fold change≥2且FDR≤0.001)。通過與現(xiàn)有注釋結果進行比較，我們對基因結構進行了優(yōu)化，并對新轉(zhuǎn)錄本進行了預測。通過對常見的4種可變剪切的檢測，共發(fā)現(xiàn)

5、兩個樣品中分別有約13000個基因涉及不同的可變剪切方式。而通過對SNP的檢測，則分別檢測到53260和56117個SNP位點。
　　 總之，文中描述的這套分析研究轉(zhuǎn)錄組的方法，將有助于新基因的發(fā)現(xiàn)，并得到不同樣品間差異表達的基因，從而研究疾病與相關差異表達基因之間的聯(lián)系。而可變剪切和SNP的檢測，則有助于研究基因在轉(zhuǎn)錄組水平的變異所導致的蛋白水平的變化，從而為相關疾病的檢測提供數(shù)據(jù)支持。相信本文的分析方法和研究成果，將隨著測序