基于新一代測(cè)序的數(shù)字基因表達(dá)譜生物信息學(xué)分析平臺(tái)的建立及應(yīng)用.pdf

1、新一代測(cè)序技術(shù)具有高通量、低成本等優(yōu)勢(shì)，在動(dòng)物和植物的基因組測(cè)序及基因表達(dá)研究中被廣泛應(yīng)用。棉花不僅是一種重要的經(jīng)濟(jì)作物，其纖維細(xì)胞也是理想的研究植物細(xì)胞生長發(fā)育的模型。但由于其基因組較大、多倍性等原因，全基因組的測(cè)序及拼接工作難度較大。因此，為了解讀基因的功能，更好的研究基因在棉花生理代謝活動(dòng)中的作用，利用新一代測(cè)序技術(shù)對(duì)棉花基因表達(dá)進(jìn)行研究已成為近些年來的研究熱點(diǎn)。然而如何利用生物信息學(xué)工具從新一代測(cè)序產(chǎn)生的海量數(shù)據(jù)中挖掘有效的信息

2、，成為目前急需解決的問題。據(jù)此本研究建立了一個(gè)基于新一代測(cè)序的數(shù)字基因表達(dá)譜生物信息學(xué)分析平臺(tái)，并應(yīng)用于棉花RNA測(cè)序數(shù)據(jù)。
　　 此分析平臺(tái)的流程包括對(duì)測(cè)序原始數(shù)據(jù)的預(yù)處理，與參考序列的比對(duì)，基因表達(dá)量和測(cè)序覆蓋度的統(tǒng)計(jì)，對(duì)多個(gè)樣本的基因表達(dá)差異分析以及后續(xù)的功能注釋和代謝通路分析。然后應(yīng)用此分析平臺(tái)，對(duì)陸地棉YZ1正常株系和PDF1基因RNAi株系開花當(dāng)天的胚珠RNA測(cè)序數(shù)據(jù)，共四個(gè)樣本(DF1-DF4)，進(jìn)行了全面的分析。

3、主要的研究結(jié)果如下：
　　 1.分析平臺(tái)的建立：利用FASTX-Toolkit對(duì)測(cè)序原始數(shù)據(jù)進(jìn)行質(zhì)量控制，去掉低質(zhì)量的序列后得到待分析數(shù)據(jù)(clean reads)，接著利用Maq和Bowtie將clean reads比對(duì)到參考序列上，并編寫python腳本統(tǒng)計(jì)RPKM值和測(cè)序覆蓋度，合并多個(gè)樣本的比對(duì)統(tǒng)計(jì)值之后利用DESeq進(jìn)行差異表達(dá)分析，最后將差異表達(dá)的基因利用Blast2GO進(jìn)行GO功能注釋，WEGO進(jìn)行功能分類統(tǒng)計(jì)，K

4、EGG進(jìn)行代謝通路分析。
　　 2.成功應(yīng)用于DF1-DF4四個(gè)樣本的測(cè)序數(shù)據(jù)分析：對(duì)DF1-DF4進(jìn)行質(zhì)量處理后，均保留了99.6%的數(shù)據(jù)；比對(duì)到參考序列上的基因，其RPKM值小于100的分別占了92.2%，91.7%，91.7%，91.0%；DF1與DF2進(jìn)行水平內(nèi)去除差異后，與DF3的比較得到27個(gè)差異表達(dá)基因，其中23個(gè)上調(diào)表達(dá)，4個(gè)下調(diào)表達(dá)：與DF4的比較得到345個(gè)差異表達(dá)基因，其中51個(gè)上調(diào)表達(dá)，294個(gè)下調(diào)表達(dá)；