新一代高通量RNA测序数据的处理与分析-TNLISTDepartmentof.PDFVIP

发布日期：（编辑部填写） / 生物化学与生物物理进展 Progress in Biochemistry and Biophysics 新一代高通量RNA测序数据的处理与分析* 1） 1） 1，2） 1） 1）** 王 曦 汪小我 王立坤 冯智星 张学工 1） （ 生物信息学教育部重点实验室、清华信息科学与技术国家实验室（筹）生物信息学研究部、清华大学自动化系，北京 100084； 2）吉林大学计算机科学与技术学院，长春 130012） 摘要 随着新一代高通量 DNA 测序技术的快速发展，RNA 测序（RNA-seq ）已成为基因表达和转录组分析的新的重要手段. RNA-seq 技术产生的海量数据为生物信息学带来了新的机遇和挑战. 有效地对测序数据进行针对性的生物信息学处理和分析， 成为 RNA-seq 技术能否在科学探索中发挥重大作用的关键. 本文以新一代 Illumina/Solexa 测序平台所产生的数据为例，在扼 要介绍高通量 RNA-seq 测序流程的基础上，对 RNA-seq 数据处理和分析的方法和现有软件做一个较为全面的综述，并对其中 有待进一步研究的问题进行展望. 关键词 高通量 RNA 测序，转录组，基因表达，数据处理与分析，生物信息学 学科分类号 Q5(生物化学)，Q6(生物物理学)，Q7(分子生物学) *国家自然科学基金资助项目6072100360905013 ）, 东南大学生物电子学国家重点实验室开放研究 基金资助课题. **通讯联系人. Tel: 010 E-mail: zhangxg@ 收稿日期：（以本文投稿日期为准），接受日期：（此项由编辑部填写） - 2 - 生物化学与生物物理进展 Prog. Biochem. Biophys. 近年来，新一代高通量测序技术得到了突飞猛进的发展，在此基础上，高通量 RNA 测序即 RNA-seq[1-5] 也迅速发展. 与基因芯片技术相比，RNA-seq 无需设计探针，能在全基因组范围内以单碱基分辨率检测和量 化转录片段，并能应用于基因组图谱尚未完成的物种[6]，具有信噪比高、分辨率高、应用范围广等优势，正 成为研究基因表达和转录组的重要实验手段. RNA-seq 为组学的研究带来了高分辨率的海量数据，如何有效处理和分析这些海量数据成为这一新技 术能否带来新的科学发现的关键，一些生信息学方法与软件也应运而生. 本文针对当前 RNA-seq 应用的现 实情况，尝试以 Illumina/Solexa 测序平台产生的 mRNA-seq 数据为例，对 RNA 测序数据的产生过程，数据 处理和分析的基本流程、关键方法和现有软件进行较全面的介绍，并讨论 RNA-seq 数据分析中存在的挑战. 1 高通量测序技术简介 [7] 诞生于 20 世纪 70 年代的 Sanger 法是最早广泛应用的 DNA 测序技术 ，也是完成人类基因组计划的基 础. 但是，由于它测序通量低，费时费力，科学家们一直在寻求通量更高、速度更快、价格更便宜、自动化 程度更高的测序技术. 自2005 年以来，以 Roche 公司的 454 技术、Illumina 公司的 Solexa 技术和 ABI 公司 的 SOLiD 技术为标志的新一代测序技术相继诞生[8]. 新一代测序技术又称作深度测序技术，主要特点是测序 通量高、测序时间和成本显著下降[9]. 把这种高通量测序技术应用到由 mRNA 逆转录生成的 cDNA 上，从而获得来自不同基因的 mRNA 片段 在特定样本中的含量，这就是 mRNA 测序或 mRNA-seq. 同样原理，各种类型的转录本都可以用深度测序 技术进行高通