当前RNA序列比对技术分析.docVIP

当前RNA序列比对技术分析 　　摘要： 新一代测序技术的发展给DNA及RNA序列的分析带来了机遇和挑战，新一代测序技术产生的数据不同于传统测序技术产生的数据，高通量、低成本、信息量巨大的特点使得RNA序列的分析进入了一个全新的时代，以往的外显子芯片无法得到全基因组的完整信息，也无法观测到基因融合的问题，新一代测序技术使得对RNA序列的分析有了更深入的了解。文中简单介绍了DNA序列方法，以及当前主要的RNA序列比对工具的基本原理，分析了各种方法的优缺点。 　　关键词： 　　中图分类号： TP391 文献标识码： A 文章编号：2095-2163（2012）05-0001-04 　　引 言 　　1977年，Sanger测序法？眼1？演的诞生是DNA测序技术的一个里程碑性质的大事件。在其后的三十多年中，几乎所有的测序技术都只是Sanger测序法的改进，而后研究人员又将Sanger测序法的研发推进到了自动化的层面，从而大大提高了DNA序列的测定速度。在2004年，454、SOLiD，Illumina等测序技术的兴起，给序列的测定带来了飞跃式的变化，但随着形态的多样化和应用的复杂化，由于Sanger测序法的某些缺陷，使得测序的通量和技术已经迟滞于该领域的发展需求，而相对于Sanger测序法的新一代测序技术因其具有的高通量，低能耗的优点，使得新一代测序技术代替Sanger测序法，而获得广泛的使用已成为势所必然。而由于新一代测序技术的产生，RNA序列的研究也随之发生了重大的改变。在此之前，RNA序列的测定主要是通过外显子芯片技术。外显子芯片可以用来测定RNA的序列信息，也可以用来分析外显子表达量，同时也能发现外显子的可变剪接等信息，但是外显子组芯片的制作却需要丰富的先验知识，并且与新一代测序技术相比，外显子组芯片的花费是巨大的，同时只能测定小范围内的序列，不能对整个基因组实施全方位的分析。随着新一代测序技术的发展，两种技术之间的差异也会越来越大。目前，对于RNA序列的大部分研究已经转向了新一代测序技术产生的序列数据，但即便如此，外显子组芯片也依然在其中发挥着独特的重要作用。新一代测序技术的产生给RNA序列的分析技术也带来了重大的改变。新一代测序技术产生的数据序列短、覆盖度高，但数据量大，这给传统的RNA序列分析工具设置了难题，因而应运而生地出现了多种基于新一代测序技术的RNA序列分析工具。相对于传统Sanger测序法，新一代测序数据产生的序列较短，通常称为短序列（reads），但是新一代测序数据产生的数据量却要远远大于Sanger测序法。必须正视这一问题的积极解决，才能确保新一代测序技术的先进性和有效性得以充分的发挥。 　　1 DNA序列比对工具现状 　　对于当前的RNA序列比对工具的研究，首先就要研究DNA序列比对工具，因为当前的RNA序列比对工具都是以DNA序列比对工具为基础发展得来的。 　　新一代测序技术产生后，曾经应用于外显子芯片技术的RNA序列分析方法已经不再适用，但是这些方法却可留下许多有益的启发。新一代测序技术的产生，给序列比对也带来了很大的挑战，人们都致力于研发更为有效的DNA序列比对软件。众所周知，只有找到新的、性能更佳的DNA序列比对方法，才能使高通量数据问题获得理想的解决。而RNA序列比对工具就是根据DNA序列比对软件工具，在其基础之上并根据RNA的不同性质和各种分析需求，构造可用于RNA序列的分析工具和分析策略。 　　基于新一代测序技术设计了很多DNA序列比对工具。 　　由于建立索引的不同，目前DNA序列比对工具主要分为两类，一类是用Hash表来构建索引，另一类是用BWT（Burrows-Wheeler Transform）来建立索引结构，该索引结构由于占用空间小、搜索速度快等优点正被广泛地关注和使用？眼2？演。 　　在高通量的序列比对中，索引是一个非常有效的机制。通过构建索引可以提高检索速度，从而提高了整体比对速度。基于Hash表的索引构建可以分为两种。 　　一种是将参考序列（reference sequence）构建成Hash表索引，建立索引时根据所需的短序列特性，例如长度等信息，将原始的参考序列分成连续重叠的短序列，根据不同的Hash算法将这些短序列存储起来，然后将实验得到的短序列与参考序列生成的Hash表进行比较，从而确定短序列的比对位置。基于Hash表的全部索引结构比对工具都可以比对有插入删除的序列，但是时间和空间的开销却很可观。 　　另一种是将短序列（reads）数据构建成Hash表索引，这种序列比对工具却较少。 　　还有的软件两种方式都采用以提高比对速度。基于Hash表的索引软件主要有Blast、Eland、MAQ、Bfast等。其中，Blast是出现最早的基于Hash表的索引软件，目前有很多学者正