基于RNA测序技术的转录组从头拼接算法研究的中期报告.docx

基于RNA测序技术的转录组从头拼接算法研究的中期报告
一、研究背景与目的
随着RNA测序技术的发展，越来越多的基因表达数据得以获取。但是如何从基因表达谱数据中获取全面的转录本信息仍是一个难题。由于具有多剪切变异和基因重叠现象，转录本的组装常常会出现错误或遗漏，因此需要开发高效且准确的转录本组装算法。本研究的目的便是探究一种基于RNA测序技术的转录组从头拼接算法，以提高转录本拼接的准确性和可靠性。
二、研究进展
1.数据预处理
本研究选择了IlluminaHiSeq平台测序的人类胃癌和正常胃组织样本，进行了质控和去除低质量序列。经过预处理得到112,818,989条清洗后的reads，总计34.4Gb。
2.拼接流程
本研究采用了Trinity软件进行转录本组装。该软件结合了多个拼接工具和三联组拼接策略，能够较好地解决多异构体拼接问题。具体流程如下：
（1）拼接估计
Trinity软件首先使用Inchworm工具对长reads进行单个DeBruijn图拼接，得到大量的Contigs。然后使用Chrysalis进行相似性聚类，将相似Contigs聚成一组，得到许多的Unigenes。最后使用Butterfly进行三联组拼接，得到最终的转录本。
（2）拼接评估
本研究为了判断算法的准确性和可靠性，采用了以下三种策略进行拼接评估：
①丰富性评估：利用BLAST工具将拼接得到的完整转录本序列与NCBINR数据库进行比对，以此评估拼接组装结果中包含的新基因本身优良程度，结果显示在21,518个转录本中，有11,817个转录本能够得到匹配序列，覆盖了55%的转录本序列。
②完整性评估：利用BUSCO软件评估拼接得到的转录组中基因的完整性，结果显示77.18%的基因序列得到比对，其中78.9%比对长度覆盖均为完整的基因序列。
③一致性评估：通过比较拼接结果与已知基因组进行比较，评估拼接结果与基因组的一致性。结果显示，在比较的895,844个转录本中，有75%与已知基因序列完全一致，15%的转录本有高度相似性，而其余10%则不太一致。
三、结论与展望
本研究基于RNA测序技术开发了一种高效且准确的转录组从头拼接算法。通过对人类胃癌和正常胃组织样本的拼接实验，结果显示该算法能在一定程度上提高转录本拼接的准确性和可靠性。但是由于组装多异构体时可能存在错误或遗漏，因此仍需要进一步完善算法以达到更高的精度和可靠性。