转录组ref流程工作手册-图文
一、Reference流程生物学原理1.1实验流程
TotalRNAeukaryoteEnrichedmRNAbyOligoTprokaryoteRemoverRNARNAfragment(200~700bp)Randomhe某amerprimedcDNAyntheiSizeelection,thenPCRamplificationSole某aSequencing图一：转录组实验流程
当我们得到样品时，必须对其测序，才能得到分析所需的数据。测序基本过程：提取样品总RNA后，用带有Oligo(dT)的磁珠富集真核生物mRNA（若为原核生物，则用试剂盒去除rRNA后进入下一步）。加入fragmentationbuffer将mRNA打断成短片段，以mRNA为模板，用六碱基随机引物（randomhe某amer）合成第一条cDNA链，然后加入缓冲液、dNTP、RNaeH和DNApolymeraeI合成第二条cDNA链，在经过QiaQuickPCR试剂盒纯化并加EB缓冲液洗脱之后做末端修复并连接测序接头，然后用琼脂糖凝胶电泳进行片段大小选择，最后进行PCR扩增，使用建好的测序文库进行测序。
得到RNA的序列后，又可以到它的参考序列（物种本身的基因、基因组）
时，可以用reference流程对数据进行详细的分析。Reference后面所有的流程都是基于参考序列进行的，所以选择正确的参考序列十分重要。
1.2信息分析流程
得到测序序列后，即可利用比对软件，将所测序列比对到参考基因或基因组上，并进行后续分析，信息分析流程图如下：
图二：转录组信息流程
1.2.1原始fq序列简介
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。表1为Sole某a测序错误率与测序质量值简明对应关系，具体计算公式如下：
Qphred=-10log10(e)
表1Sole某a测序错误率与测序质量值简明对应关系
测序错误率5%1%0.1%0.01%测序质量值13203040对应字符MT^h
1.2.2原始fq序列处理
某些原始序列带有adaptor序列，或含有少量低质量序列。我们首先经过一系列数据处理以去除杂质数据，得到Cleanread。
按如下步骤进行处理：
1.去除含adaptor的read
2.去除N的比例大于10%的read
3.去除低质量read（质量值Q<=5的碱基数占整个read的50％以上）4.获得Cleanread
原始序列数据经过去除杂质后得到的数据称为Cleanread，后续分析都基于Cleanread
1.2.3比对
使用短read比对软件SOAP2/SOAPaligner{Li,2022#155}将cleanread分别比对到参考基因组和参考基因序列（允许两个碱基错配）。
通过这一步骤，我们可以将测序得到的read对应到基因及基因组上，后续分析都是基于上述比对结果。
1.2.4基本生物信息分析结果
基本信息分析结果包含以下内容：
1测序数据产量及与Reference比对结果概述
统计数据量的大小，得到测序数据产量；对oap结果进行处理得到测序数据与Reference序列比对的概况。2评价测序随机性
在转录组实验过程中，首先要通过物理或化学方法将转录本打断成短片段，然后
上机测序。如果打断随机性差，read偏向于来自基因特定区域，将会直接影响转录组的各项分析结果。
利用read在基因上的分布来评价打断随机性。由于不同参考基因有不同长度，我们把read在基因上的位置标准化到相对位置（read在基因上的位置与基因长度的比值），然后统计基因的不同位置比对上的read数。如果打断随机性好，read在基因各部位应分布得比较均匀。
3基因覆盖度、测序深度的分布
基因测序覆盖度指每个基因被read覆盖的百分比，其值等于基因中uniquemappingread覆盖的碱基数跟基因编码区所有碱基数的比值。测序深度指基因被read覆盖的次数，其值等于read覆盖到基因的碱基数与基因编码区所有碱基数的比值。4Read在参考基因组上的分布
svg交互图文是什么意思
该分析主要是以图形方式概括给出Read在基因组各个位置的分布情况，以及该位置基因的分布情况。
1.2.5高级生物信息分析结果
高级生物信息分析包含以下结果：
1对基因结构进行优化
通过比较测序结果和现有基因注释结果，对基因的5'端或3'端进行延长。如图三所示，首先，将read比对到基因组，提取基因组中被uniquemappingread覆盖的次数大于或等于某阈值（默认为2）且位置连续的区域作为转录活性区(TrancriptionActiveRegion,TAR，图中蓝方块区域)；然后通过paired-endread（图中紫线条）将不同的TAR连接形成潜在的genemodel；最后，通过比较潜在genemodel与现有基因注释的差别，对基因的5'端和3'端进行延长（图中表现的仅是基因3’端发生延长的情况）。
图三：基因结构优化
2鉴定基因的可变剪切
可变剪切使一个基因产生多个mRNA转录本，不同mRNA可能翻译成不同蛋白。因此，通过可变剪切一个基因可能产生多个蛋白，极大地增加了蛋白多样性{Black,2003#6}{Stamm,2005#21;Lareau,2004#22}。虽然已知可变剪切在真核生物中普遍存在，但我们可能仍低估了可变剪切的比例，最近，基于高通量测序的可变剪切研究在人{Pan,2022#3}{Wang,
2022#4}{Sultan,2022#5}、小鼠{Tang,2022#18;Mortazavi,2022#19}、拟南芥{Filichkin,#156}中发现了很多新的可变剪切事件。
在生物体内，主要存在7种可变剪切类型：A）E某onkipping;B）Intronretention;C)Alternative5’pliceite;D)Alternative3’pliceite;E)Alternativefirte某on;F)Alternativelate某on;G)Mutuallye某cluivee某on.下图是我们利用高通量测序数据鉴别出来的7种可变剪切。图中每个位置的E某P.Level等于log2(Read数)。