新一代高通量RNA测序数据的处理与分析*王曦1汪小我1王立坤1,2冯智星1张学工1**(1生物信息学教育部重点实验室,清华信息科学与技术国家实验室(筹生物信息学研究部,清华大学自动化系,北京100084;2吉林大学计算机科学与技术学院,长春130012摘要随着新一代高通量DNA测序技术的快速发展,RNA测序(RNA-seq已成为基因表达和转录组分析新的重要手段.RNA-seq技术产生的海量数据为生物信息学带来了新的机遇和挑战.有效地对测序数据进行针对性的生物信息学处理和分析,成为RNA-seq技术能否在科学探索中发挥重大作用的关键.以新一代Illumina/Solexa测序平台所产生的数据为例,在扼要介绍高通量RNA-seq测序流程的基础上,对RNA-seq数据处理和分析的方法和现有软件做一个较为全面的综述,并对其中有待进一步研究的问题进行展望.关键词高通量RNA测序,转录组,基因表达,数据处理与分析,生物信息学学科分类号Q5,Q6,Q7DOI:10.3724/SP.J.1206.2010.00151生物化学与生物物理进展ProgressinBiochemistryandBiophysics2010,37(8:834~846wwpibb.ac综述与专论ReviewsandMonographs*国家自然科学基金资助项目(60702002,60721003,30873464,60905013和东南大学生物电子学国家重点实验室开放研究基金资助项目.**通讯联系人.Tel:010-62794919,E-mail:zhangxg@tsinghua.edu收稿日期:2010-03-25,接受日期:2010-04-30近年来,新一代高通量测序技术得到了突飞猛进的发展,在此基础上,高通量RNA测序即RNA-seq[1-5]也迅速发展.与基因芯片技术相比,RNA-seq无需设计探针,能在全基因组范围内以单碱基分辨率检测和量化转录片段,并能应用于基因组图谱尚未完成的物种[6],具有信噪比高、分辨率高、应用范围广等优势,正成为研究基因表达和转录组的重要实验手段.RNA-seq为基因组学的研究带来了高分辨率的海量数据,如何有效处理和分析这些海量数据成为这一新技术能否带来新的科学发现的关键,一些生物信息学方法与软件也应运而生.本文针对当前RNA-seq应用的现实情况,尝试以Illumina/Solexa测序平台产生的mRNA-seq数据为例,对RNA测序数据的产生过程及数据处理和分析的基本流程、关键方法和现有软件进行较全面的介绍,并讨论RNA-seq数据分析中存在的挑战.1高通量测序技术简介诞生于20世纪70年代的Sanger法是最早被广泛应用的DNA测序技术[7],也是完成人类基因组计划的基础.但是,由于它测序通量低,费时费力,科学家们一直在寻求通量更高、速度更快、价格更便宜、自动化程度更高的测序技术.自2005年以来,以Roche公司的454技术、Illumina公司的Solexa技术和ABI公司的SOLiD技术为标志的新一代测序技术相继诞生[8].新一代测序技术又称作深度测序技术,主要特点是测序通量高、测序时间和成本显著下降[9].把这种高通量测序技术应用到由mRNA逆转录生成的cDNA上,从而获得来自不同基因的mRNA片段在特定样本中的含量,这就是mRNA测序或mRNA-seq.同样原理,各种类型的转录本都可以用深度测序技术进行高通量定量检测,统称作RNA-seq或RNA测序.目前,在已经推出的几种新一代测序平台中,Illumina/Solexa测序平台上的RNA-seq应用最广,我们以此为例来综述RNA-seq数据处理和分析的生物信息学问题和方法.王曦等:新一代高通量RNA测序数据的处理与分析2010;37(8Illumina/Solexa测序技术的基本原理是边合成边测序(sequencingbysynthesis,SBS[10-12],即测序过程是以DNA单链为模板,在生成互补链时,利用带荧光标记的dNTP发出不同颜色的荧光来确定不同的碱基.新加入dNTP的末端被可逆的保护基团封闭,既保证单次反应只能加入一个碱基,又能在该碱基读取完毕后,将保护基团除去,使得下一个反应可继续进行.为了增加荧光强度,使之更易被成像系统所采集,该技术在测序之前还需要对待测片段做桥式扩增(bridgeamplification[13](wwillumina/.初期的Illumina/Solexa测序技术只能在较短的测序读长上(20~30碱基保证较高的正确率.随着技术的改进,目前的读长已经增加到100碱基以上.同时,随着双端测序(paired-end,PE技术的成熟,测序长度更可达到单端测序的2倍,测序通量也随之增加.这种测序技术是Solexa公司发展起来的,2007年被Illumina公司收购,因此现在通常被称为Illumina/Solexa测序技术.近两年...