基于二代測(cè)序的轉(zhuǎn)錄組數(shù)據(jù)分析方法的比較研究.pdf

1、第二代測(cè)序技術(shù)比較早的測(cè)序技術(shù)靈敏度高、通量大，在此背景下對(duì)轉(zhuǎn)錄組數(shù)據(jù)分析方法的重要性也得到更好的體現(xiàn)，然而對(duì)于轉(zhuǎn)錄組數(shù)據(jù)分析該如何抉擇軟件的使用及參數(shù)的設(shè)置，對(duì)于未接觸過數(shù)據(jù)分析的人來講，是課題研究中的一項(xiàng)瓶頸。本研究選取了小麥近等基因系中的一株多分蘗材料與一株寡分蘗材料作為測(cè)序樣品，分別得到了16G與17.4G的轉(zhuǎn)錄組測(cè)序數(shù)據(jù)，并以此為研究對(duì)象，采用多種軟件挖掘生物遺傳信息，優(yōu)化算法及構(gòu)建標(biāo)準(zhǔn)流程，為課題組后續(xù)大量轉(zhuǎn)錄組數(shù)據(jù)分析奠定

2、基礎(chǔ)。
　　在差異表達(dá)基因分析流程中，使用Cuffdiff軟件耗時(shí)15h，分析得到518個(gè)差異表達(dá)顯著因。使用edgeR軟件耗時(shí)2h，分析得到510個(gè)差異表達(dá)基因。其中有186個(gè)差異表達(dá)基因同時(shí)出現(xiàn)在兩種軟件的運(yùn)算結(jié)果中。在SNP Calling分析流程中，使用GATK軟件耗時(shí)25h，在樣品T01中發(fā)現(xiàn)了817，057個(gè)SNP位點(diǎn)，38，977個(gè)INDEL位點(diǎn)。在樣品T02中發(fā)現(xiàn)了824，043個(gè)SNP位點(diǎn)，37，018個(gè)INDE

3、L位點(diǎn)。這些變異位點(diǎn)均經(jīng)過質(zhì)量過濾，可信度較高。使用SAMtools軟件耗時(shí)15h，在樣品T01中發(fā)現(xiàn)了758，853個(gè)SNP位點(diǎn)，27，661個(gè)INDEL位點(diǎn)。在樣品T02中發(fā)現(xiàn)了766，596個(gè)SNP位點(diǎn)和27，719個(gè)INDEL位點(diǎn)，本研究尚未對(duì)這些位點(diǎn)進(jìn)行過濾。
　　結(jié)合各流程的分析結(jié)果以及各軟件使用的模型與算法，對(duì)表達(dá)差異基因分析和SNP Calling所使用的不同軟件做了初步的比較。得出結(jié)論，當(dāng)樣本數(shù)據(jù)為Paire-E

4、nd測(cè)序的時(shí)候，如果所研究物種具有生物學(xué)重復(fù)，且具有可利用的參考基因組，則推薦使用上文所述的Cufflinks軟件流程進(jìn)行差異表達(dá)基因的分析。對(duì)不具有生物學(xué)重復(fù)但具有可利用的參考基因組的測(cè)序數(shù)據(jù)，則應(yīng)使用edgeR軟件進(jìn)行差異表達(dá)基因的分析。條件允許的情況下，可以用兩種方法分別分析相互驗(yàn)證結(jié)果。在對(duì)小麥的轉(zhuǎn)錄組數(shù)據(jù)做SNP Calling分析時(shí)，就敏感度與可靠性而言，GATK軟件均優(yōu)越于SAMtools軟件。在對(duì)小麥的轉(zhuǎn)錄組數(shù)據(jù)進(jìn)行SN