基于RNA-Seq數(shù)據(jù)的基因預(yù)測(cè)和長(zhǎng)非編碼RNA鑒定的分析方法.pdf

1、隨著高通量測(cè)序技術(shù)的快速發(fā)展，一種新的方法——RNA-Seq技術(shù)被廣泛應(yīng)用于生命科學(xué)研究。它主要是針對(duì)轉(zhuǎn)錄組進(jìn)行定位定量分析，與之前的測(cè)序方法相比，可鑒定出更多的新基因和新長(zhǎng)非編碼RNA，且預(yù)測(cè)效率明顯提高。
　　在使用RNA-Seq數(shù)據(jù)之前，需要運(yùn)用FASTX-Toolkit和Trim Galore!等質(zhì)控軟件對(duì)RNA-Seq初始數(shù)據(jù)進(jìn)行質(zhì)量檢測(cè)，以提高RNA-Seq數(shù)據(jù)基因預(yù)測(cè)和長(zhǎng)非編碼RNA鑒定方法的準(zhǔn)確性。然后，使用Top

2、hat軟件將RNA-Seq讀段定位到參考基因組。
　　基因預(yù)測(cè)是基因組注釋的重要組成部分。我們以玉米和大鼠為研究對(duì)象，設(shè)計(jì)了一個(gè)四步預(yù)測(cè)分析模型。首先，通過整合EST和RNA-Seq信息來提高基因預(yù)測(cè)的準(zhǔn)確度。然后，利用軟件AUGUSTUS預(yù)測(cè)編碼蛋白質(zhì)的基因，并用liftOver或者Blast軟件將它們與近源物種的同源基因相比較，過濾掉冗余的基因。最后在玉米和大鼠組織中分別注釋出202，048個(gè)和32，197個(gè)轉(zhuǎn)錄子，其中新基因

3、分別為165，820個(gè)和4，802個(gè)。通過分析基因在不同組織中的表達(dá)水平，新預(yù)測(cè)方法可檢測(cè)到更多低表達(dá)量的基因。
　　長(zhǎng)非編碼RNA是生命進(jìn)程調(diào)控的另一焦點(diǎn)。我們使用Cufflinks軟件將RNA-Seq片段組裝成轉(zhuǎn)錄子，再根據(jù)長(zhǎng)非編碼RNA的結(jié)構(gòu)、功能和位置特點(diǎn)，使用PhyloCSF和Blast軟件，輔以近緣物種的注釋基因，鑒定出大量的新長(zhǎng)非編碼RNA。最后，在大鼠組織和人肺組織中分別篩選出2，761個(gè)和40，626個(gè)長(zhǎng)非編碼R