一种基于 rna-seq 的基因组注解评估方法.pdfVIP

2013 年 第 58 卷 第 33 期：3471 ~ 3482 《中国科学》杂志社 论 文 SCIENCE CHINA PRESS 一种基于RNA-Seq 的基因组注解评估方法 * 王颖, 刘麟 厦门大学信息科学与技术学院自动化系, 厦门 361000 * 联系人, E-mail: wangying@ 2013-03-26 收稿, 2013-07-10 接受 国家自然科学基金和美国国立卫生研究院基金(NIH/NIMH 5 RC2 MH090047-01)资助 摘要 新一代测序技术下RNA-Seq 测序数据为解码真核生物的转录组带来了突破性的变革, 其 关键词 细致到碱基层面的高分辨率信息, 使得仅采用RNA-Seq 作为唯一数据源便可对现有的基因组进 基因组 行注解. 同样地, 利用RNA-Seq 信息也能验证现有的剪切位点、外显子乃至转录物的注解信息. 转录组 因此本文提出利用RNA-Seq 数据对现有的基因组注解数据库进行评估, 基于RNA-Seq 的配准 注解数据库 RNA-Seq 信息提出在基因、转录物、外显子、剪切位点和碱基层面的特异性和敏感性度量指标, 进而评 敏感性 估基因组注解数据库的完整性和精确性. 基于该评估框架, 通过来自人类 16 个组织的 11 亿条 特异性 RNA-Seq 读段(read)数据对5 个代表性的人类基因组注解数据库进行评估, 并基于评价结果构建 人体综合准确注解数据库; 此外, 还对现有的恒河猴基因组注解数据库进行了评估, 发现该数 据库的完整性有很大欠缺, 同时其注解的精确性与人类数据库的注解水平有较大的差距. 基于 该评估体系, 可对各物种的基因组注解信息的完整性和精确性进行全面、快速和高效的评估及 验证. RNA-Seq 技术已经成为研究真核生物转录组很 因组进行注解竞赛, 评估各类自动注解算法. 这些项 重要的工具[1,2], 被用在许多相关的生物研究中, 如 目主要通过手工实验对注解进行验证, 由于手工实 量化转录物表达水平[3,4], 高分辨率的分析可变剪切 验成本高, 只能对某段区域的注解进行评估. 但这样 [5,6] [7,8] 机理 , 识别新的剪切位点和转录物形式 , 探索 的评估方法应用到整个基因组, 将耗费巨大的精力, 遗传变异和表达量化特征位点(eQTL)[9,10]. 在上述的 且不易于移植到其他资源更少的物种研究中. 计算生物学研究中, 基因组注释的准确性和完整性 受到 RNA-Seq 作为唯一数据源的基因组注解项 对于研究结果的正确和可靠性具有重要的影响. 目 目的启发, 本文提出利用 RNA-Seq 提供的细致到碱 前, 大量物种的基因组测序和装配完成, 随之产生了 基层面的高分辨率信息, 在全基因组范围内评估基 不同方式建立的基因组注解数据库; 同时, 对一些模 因注解的准确性和完整性. 基于熵、极大似然估计以 式生物, 存在若干不同的基因组注释数据库. 因此如 及EM 算法等技术提出在基因、转录物、外显子、剪 何评估这些基因组注释数据库成为了一个重要的研 切位点和碱基等不同层面的注解特异性和敏感性评 究课题. 迄