基于高通量轉(zhuǎn)錄組測(cè)序的序列比對(duì)算法研究.pdf

1、近些年，下一代測(cè)序技術(shù)獲得了突飛猛進(jìn)的發(fā)展，由此產(chǎn)生了越來越多的測(cè)序數(shù)據(jù)。如何處理這些測(cè)試數(shù)據(jù)一直以來都是生物信息學(xué)領(lǐng)域的一項(xiàng)重要研究?jī)?nèi)容，下一代測(cè)序技術(shù)應(yīng)用到轉(zhuǎn)錄組研究領(lǐng)域產(chǎn)生了高通量轉(zhuǎn)錄組測(cè)序技術(shù)，簡(jiǎn)稱為RNA-seq技術(shù)。RNA-seq數(shù)據(jù)分析軟件的一項(xiàng)重要功能便是重構(gòu)剪接之前的mRNA在細(xì)胞中的形態(tài)，此外，還應(yīng)該能夠評(píng)估每種剪接異構(gòu)體的表達(dá)水平。但是，所有分析過程的第一步都是要把從RNA-seq中得到的測(cè)序片段比對(duì)到相應(yīng)的參考序

2、列上。因?yàn)閮?nèi)含子序列在DNA轉(zhuǎn)錄為成熟mRNA時(shí)會(huì)被剪切除去，所以與傳統(tǒng)的序列比對(duì)問題相比，轉(zhuǎn)錄組序列比對(duì)有其固有的特殊之處，即需要將測(cè)序得到的序列分段比對(duì)到不同的外顯子序列上，因此需要設(shè)計(jì)專門針對(duì)RNA-seq的序列比對(duì)算法?，F(xiàn)有的RNA-seq序列比對(duì)算法基本上都是依賴于經(jīng)典的剪接位點(diǎn)信號(hào)，而許多非經(jīng)典的剪接信號(hào)位點(diǎn)具有重要的生物學(xué)功能，如GT-TG與人類腺苷酸環(huán)化酶刺激蛋白Gαs的形成有關(guān)。為此，筆者設(shè)計(jì)了兩個(gè)新的RNA-seq序

3、列比對(duì)算法，用來發(fā)現(xiàn)多種類型的剪接位點(diǎn)。
　　(1)獨(dú)立于剪接位點(diǎn)信號(hào)的轉(zhuǎn)錄組序列比對(duì)算法
　　首先筆者設(shè)計(jì)了一種采用重疊種子內(nèi)部擴(kuò)展策略的RNA-seq序列比對(duì)算法，命名為RNAMap。種子序列的重疊性能夠保證由種子的比對(duì)信息能夠組合出完整測(cè)序序列的定位信息。在掃描基因組時(shí)，RNAMap建立一個(gè)靜態(tài)表和一個(gè)動(dòng)態(tài)表來索引種子序列及其比對(duì)信息，尋找左右錨點(diǎn)序列之間的剪接位點(diǎn)，此時(shí)并不受經(jīng)典剪接位點(diǎn)信號(hào)的限制。實(shí)驗(yàn)結(jié)果表明，對(duì)于

4、含有多種類型的剪接位點(diǎn)的數(shù)據(jù)集，RNAMap的召回率和精確度分別達(dá)到了92.53％和97.01％，優(yōu)于其它的轉(zhuǎn)錄組序列比對(duì)工具。
　　(2)轉(zhuǎn)錄組序列比對(duì)算法改進(jìn)
　　之后又設(shè)計(jì)了一種采用非重疊種子之間擴(kuò)展策略的RNA-seq序列比對(duì)算法，命名為RNAMap2。該算法通過減少種子的數(shù)量來降低計(jì)算量，然后利用測(cè)序深度，即測(cè)序序列的重復(fù)性來進(jìn)行比對(duì)。這在一定程度上彌補(bǔ)了RNAMap在運(yùn)行速度方面的不足。實(shí)驗(yàn)結(jié)果表明，在測(cè)序序列的