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

1、高通量測序技術(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，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RNA-Seq技術(shù)在轉(zhuǎn)錄組表達分析研究中存在的難點，提出一個改進的轉(zhuǎn)錄組表達研究方法，NLDMseq模型，來計算基因和異構(gòu)體表達值。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、讀段比對結(jié)果的分析統(tǒng)計作為模型的輸入，通過變分EM算法對模型進行求解，得到了異構(gòu)體在轉(zhuǎn)錄過程中的表達比重，解決了讀段模糊匹配問題。模型中通過對異構(gòu)體和外顯子上的讀段測序規(guī)律進行建模，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算

3、誤差。采用真實數(shù)據(jù)和模擬數(shù)據(jù)來驗證 NLDMseq模型的準(zhǔn)確性和可靠性，并和目前主流方法在表達值計算精度和計算效率方面進行了比較分析。結(jié)果表明，NLDMseq模型在基因和異構(gòu)體表達水平上都獲得了較高的計算精度。最后，論文將NLDMseq模型應(yīng)用到差異基因檢測上，NLDMseq模型獲得了具有競爭力的實驗結(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GitH