高通量转录组测序的数据分析与基因发掘

第30卷第5期2012年10月

江西

科

学

Vol．30No．5Oct．2012

文章编号：1001－3679（2012）05－0607－05

高通量转录组测序的数据分析与基因发掘

周

1华，张

211*

新，刘腾云，余发新

（1．江西省科学院生物资源研究所，江西省观赏植物遗传改良重点实验室，江西

2．南京市林业站，江苏

南京210036）

南昌330029；

seq）是在转录组水平上进行深度测序的一项技术，摘要：高通量转录组测序（RNA-为真核生物转录组学的研究开创了新平台，但同时测序所得到的海量数据的生物信息学分析成为科研工作者的一大挑战。对转录组测序技术进行了阐述，重点介绍了转录组测序后的数据分析，以及在真核生物尤其是非模式物种中的基因发掘方法。

关键词：转录组测序；数据分析；基因发掘中图分类号：Q987

文献标识码：A

DataProcessingandGeneDiscoveryofHigh-throughput

TranscriptomeSequencing

ZHOUHua1，ZHANGXin2，LIUTeng-yun1，YUFa-xin1*

（1．TheBiologyInstitute，JiangxiAcademyofSciences，

HorticulturalPlantGeneticImprovementKeyLab，JiangxiNanchang330029PRC；

2．NanjingForestryBureau，JiangsuNanjing210036PRC）

Abstract：High-throughputtranscriptomesequencing（RNA-seq）isarecentlydevelopedapproachtotranscriptomeprofilingthatusesdeep-sequencingtechnologies．Itprovidedanovelplatformforeu-butthebioinformaticsanalysisofsequencingdatabecamethechal-karyotictranscripomeresearches，

lengeofscientificworker．Inthisreview，wedescribedtheresearchesprocessofhigh-throughputtranscriptomesequencingtechnology，focusingonsequencingdataanalysisandgenediscoveryofdif-ferentspecies，especiallyofnon-modelspecies．

Keywords：Transcriptomesequencing，Dataprocessing，Genediscovery

screening）、cDNA代表差异分析（representativedi-fferenceanalysis、RDA）以及mRNA差异显示（dif-ferentialdisplay）、表达序列标签（EST）等技术已被广泛用于鉴定和克隆差异表达的基因，但是这

系些技术不能胜任对大量的植物基因进行全面、统的分析，也不能对细胞内基因表达进行准确的定

cDNA微阵列（cDNAmicroarray）、量研究。于是，

0前言

转录组研究是一个发掘功能基因的重要途

径，是基因功能及结构研究的基础和出发点。转只研究被转录的基录组学相对于基因组学而言，因，研究范围缩小，针对性更强。经典的减法杂交（subtractivehybridization）、差示筛选（differential

收稿日期：2012－09－11；修订日期：2012－10－12作者简介：周

*

华（1980－），女，江西吉安人，在读博士生，助理研究员，主要研究方向：园林植物遗传育种。

mail：fxyu2000@126．com。通讯作者：余发新（1968－），男，江西九江人，博士，研究员，主要研究方向：林木遗传育种。E-

·608·江西科学2012年第30卷

DNA芯片（DNAchip）、基因表达的系统分析（ser-ialanalysisofgeneexpression，SAGE）和大规模平行测序技术（MPSS）等能够大规模地进行基因差异表达分析的技术应运而生。而近年来，基于新seq）成为大规一代测序技术的转录组测序（RNA-模研究转录组的一种新的且更为有效的方法。seq）是利用大规模测序技转录组测序（RNA-产生数以千万计术直接对cDNA序列进行测序，

的reads数量，从而使得一段特殊的基因组区域的转录水平可以直接通过比对到该基因组区域的reads数来衡量［1］。RNA-seq是一个高度灵活的平台，与其他转录组学技术比较，具有以下优点：通量高、成本低、灵敏度高，可以获得低丰度的表达基因，不局限于已知的基因组序列信息

应用领域广（表1）。，

seq与其他转录组学技术比较表1RNA-方法原理信号分辨率通量背景起始RNA用量

生物信息分析

芯片杂交荧光模拟信号5～100bp0．1～1Gb

高多低

SAGE和MPSSSanger测序数字化信号1bp1～10Mb

低多高

RNA-seq高通量测序数字化信号1bp1～15Tb低少极高

测序，以及运用新的组装方法和生物信息学工具

［5］

解决。

表2

测序平台测序原理平均读长（bp）数据量（Gb/run）运行时间（day/run）测序成本（￥/b）

3种高通量测序平台比较

Roche/454焦磷酸合成测序100～4000．1～10．330．09

ABI/SolidIllumina/Solexa双碱基编码连接测序35～501～105～80．005

可逆性链终止合成测序35～1001～103～50．003

1

1．1

转录组测序的主要方法和步骤

数据处理

高通量测序数据以FASTQ格式来记录所测的碱基读段和质量分数。数据产出后，对样品测序获得的Reads进行统计，通过统计各样品Reads长度、数量、碱基数以及GC含量等指标，评估数据量是否满足信息分析要求。之后对原始数据进

Re-行质量评估，过滤低质量数据，应用BLAST、peatMasker、Seqclean或Crossmatch等软件遮蔽数据组中不属于表达的基因的赝象序列，去除镶嵌克隆，最后获得高质量数据再进行后续分析。1．2数据组装与定位

一般分为有参考基因组的重测序的读长定位和无参考基因组的从头测序组装。

重测序的读长定位：是指针对有参考序列的

首先将读长进行排序，然后将所有测序数据组装，

读段通过序列映射定位（mapping）到参考基因组

上，与参考基因组进行比对分析，挑选出匹配好的所有读长用于后续分析，同时进行读长的基因定位，用于后续分析。重组装在已具有基因组序列

［6，7］

，的模式植物中得到了广泛应用目前组装定

SAMtools、MAQ、ZOOM位软件有BWA、SOAP、

转录组测序技术被认为是一种在转录水平上

更为精确的测定分析方法，在转录组学的应用上

［2］

具有革命性意义。目前，高通量测序主要有3种测序平台（表2），测序原理及序列长度的差异

［3］

决定了这3种测序仪在不同领域的应用，这些

测序技术已经在动植物研究领域中得到了极为广

开创了生物学研究的新时代。泛的应用，

相对于传统的sanger测序，转录组测序成本

效率高，但其读长较短，特异性测序误差以及缺乏物理克隆，对序列的组装、分析和序列的准确性提出了相当大的挑战，同时由于高通量的测序技术，获得海量的数据，如何从这些数据中找出生物学信息，尤其是功能基因的发掘，成为这项技术能否

［4］

带来新的科学发现的关键。目前，这些问题已经通过测序方式结合的杂交测序策略，更深度的

等。

从头测序组装（Denovosequenceassembly）：从头测序组装是将各测序读长按顺序拼接成连叠

群（contig），再组装成支架（scaffle），最后将支架中间空隙的部分gap进行填洞，最终组装成连续的较长的序列，再通过与模式植物进行比对分析（BLAST），确定基因序列。从头组装对于无参考

第5期周华等：高通量转录组测序的数据分析与基因发掘·609·

序列以及短序列的组装提供了一个有效的方法，能够快速获得表达基因。

Roche/454技术因产生的读长较长，相对容易进行从头组装，但对Illumina以及SOLID技术由于读长较短， …… 此处隐藏：10454字，全部文档内容请下载后查看。喜欢就下载吧 ……