2015高通量测序专题培训：RNA-seq数据分析101.pdf

RNA-seq Data Analysis 101 李君一 jyli@ Key Lab of Systems Biology Shanghai Institute for Biological Sciences 提纲Outline RNA-seq数据分析概述 有参考基因组的RNA-seq数据分析 无参考基因组的转录组组装 功能注释、GO分类、COG分类及代 谢通路等分析 有参考基因组的RNA-seq数据分析 转录组数据预处理与质量控制 表达量的计算 差异基因的筛选 转录组 数据处 理流程 转录组数据预处理与质量控制 原始测序RNA-seq数据 测序得到的原始数据经base calling转 化为序列数据，我们称之为raw data 或raw reads ，结果以fastq 文件格式 存储，fastq 文件为用户得到的最原 始文件，里面存储reads 的序列以及 reads的测序质量。 转录组数据预处理与质量控制 Fastaq文件 @reads ID TGGCGGAGGGATTTGAACCC + bbbbbbbbabbbbbbbbbbb 每个序列共有4行，第1行和第3行是序列名称(有的fq文件为了 节省存储空间会省略第三行“＋”后面的序列名称，由测序仪 产生；第2行是序列；第4行是序列的测序质量，每个字符对应 第2行每个碱基，第四行每个字符对应的ASCII值减去64，即为 该碱基的测序质量值，比如h对应的ASCII值为104，那么其对应 的碱基质量值是40。碱基质量值范围为0到40。 转录组数据预处理与质量控制 转录组数据预处理与质量控制 拿到RNA-sequencing序列数据以后，我们需 要对原始序列进行预处理，包括去处序列 接头、位置序列N碱基含量的控制、整个 read碱基测序质量的控制、3’末端序列的裁 剪。 转录组 数据预 处理与 质量控 制 转录组数据预处理与质量控制 软件/数 版本号 机器配 下载地址 据库 置 NGS QC V2.3.3 Linux,pe 0:8080/ngsqct toolkit rl oolkit/cgi- bin/download.pl?toolkit=NGSQCTo olkit_v2.3.3.zip 转录组数据预处理与质量控制 NGS QC安装包下载地址： http://www.nipgr.res.in/ngsqctoolkit.html 它是用perl编写的模块，解压后就可以直接使用。在使用 前需要安装如下两个perl modules： 转录组数据预处理与质量控制 经过triming和质控之后两个样本的一些基本统计数 字见下表： Percen read Total Percen tage of Total length( number tage of N total filtered number of after of HQ HQ bases( s