改進(jìn)的RNA-Seq數(shù)據(jù)轉(zhuǎn)錄組表達(dá)分析研究.pdf

1、高通量測(cè)序技術(shù)，RNA-Seq，是近年來用于轉(zhuǎn)錄組研究的一種新技術(shù)，相比于傳統(tǒng)分析方法而言，RNA-Seq具有具有信噪比高、分辨率高、所需樣本少等優(yōu)勢(shì)，然而這種技術(shù)在轉(zhuǎn)錄組分析中也存在著讀段多源映射以及讀段分布不均勻等挑戰(zhàn)。本文針對(duì)RNA-Seq技術(shù)在轉(zhuǎn)錄組表達(dá)分析研究中存在的難點(diǎn)，提出一個(gè)改進(jìn)的轉(zhuǎn)錄組表達(dá)研究方法，NLDMseq模型，來計(jì)算基因和異構(gòu)體表達(dá)值。模型引入隱含變量來表示異構(gòu)體，模擬了RNA-Seq讀段的產(chǎn)生過程。利用注釋信

2、息獲得異構(gòu)體的結(jié)構(gòu)矩陣、讀段比對(duì)結(jié)果的分析統(tǒng)計(jì)作為模型的輸入，通過變分EM算法對(duì)模型進(jìn)行求解，得到了異構(gòu)體在轉(zhuǎn)錄過程中的表達(dá)比重，解決了讀段模糊匹配問題。模型中通過對(duì)異構(gòu)體和外顯子上的讀段測(cè)序規(guī)律進(jìn)行建模，來解決讀段的非均勻分布問題。另外，NLDMseq模型考慮到了噪聲讀段和結(jié)合區(qū)讀段，通過引入“偽外顯子”和“偽轉(zhuǎn)錄本”分別處理結(jié)合區(qū)讀段和噪聲讀段，使得對(duì)讀段的處理更為合理，減小了現(xiàn)有一些方法由于沒有考慮結(jié)合區(qū)讀段與噪聲讀段所帶來的計(jì)算

3、誤差。采用真實(shí)數(shù)據(jù)和模擬數(shù)據(jù)來驗(yàn)證 NLDMseq模型的準(zhǔn)確性和可靠性，并和目前主流方法在表達(dá)值計(jì)算精度和計(jì)算效率方面進(jìn)行了比較分析。結(jié)果表明，NLDMseq模型在基因和異構(gòu)體表達(dá)水平上都獲得了較高的計(jì)算精度。最后，論文將NLDMseq模型應(yīng)用到差異基因檢測(cè)上，NLDMseq模型獲得了具有競(jìng)爭(zhēng)力的實(shí)驗(yàn)結(jié)果，表明了NLDMSeq模型在后續(xù)差異分析中的有效性。
　　本文的模型已經(jīng)開發(fā)成軟件NLDMseq，所有源碼均放在開源平臺(tái)GitH