RNA-seq(一)

RNA-seq(一)RNA seq 介绍 RNA seq RNA sequencing 是一种基于二代测序技术 Next Generation Sequencing NGS 研究转录组学的方法 能够快速获取给定时刻的某一基因组中 RNA 的种类和数量 从而实现定性与定量分析 随着二代测序技术的发展

大家好,我是讯享网,很高兴认识大家。

RNA-seq介绍

RNA-seq(RNA sequencing)是一种基于二代测序技术(Next-Generation Sequencing, NGS)研究转录组学的方法,能够快速获取给定时刻的某一基因组中RNA的种类和数量,从而实现定性与定量分析。
随着二代测序技术的发展,RNA-seq的应用场景也不断拓展,在生物学和临床医学等领域都有广泛应用。如今,RNA-seq在诊断、预后和治疗各种疾病(包括癌症和传染病)的应用中具有广阔前景。
RNA-seq数据分析的基础是下机数据的质量检查与控制(简称“质检、质控”),即对测序质量总体上有所了解,并进行质量控制,保留满足后续分析的高质量数据。不同的生物信息学工具(如FastQC)能够对测序数据整体及评分,如Phred质量评分、读长长度分布、GC含量、接头含量、重复读长等。在需要去除接头时,可以使用Cutadapt,Fastp和Trimmomatic等工具。
下一步,使用splice-aware算法将原始数据reads映射到人类参考基因组,例如STAR、TopHat2或HISAT2。此时,必须根据研究类型和表型调整一些重要的变量,如基因组的参考版本、参考基因组的注释文件等。为了丰富参考基因组注释,可以通过融合多个数据库得到较为全面的背景数据集。
在将读数映射到基因组后,有一些技术和生物学偏好会影响灵敏度阈值。比对结果中3’末端基因的偏好性可能表明RNA的降解,或者表明数据来自3’测定(例如,寡聚T起始的3’RNA-seq),可以使用RSeQC等工具来评估BAM文件中基因的覆盖率。
RNA-seq最广泛的应用就是用来评估基因和转录本的表达,这一应用主要是基于比对到转录组区间内的读长的数量。例如HTSeq,FeatureCounts和Salmon,这些工具可以量化特定基因特征中的映射读数。其中的一些偏差,如基因长度或GC含量可能会影响量化的过程,并对差异表达分析(DEA)产生负面影响。目前已经有几种方法,能够减少这些偏差。包括基于基因长度和文库大小(每次复制的读取总数)将读长计数归一化。常用的方法包括对单端读长以RPKM(每千个碱基的转录每百万映射读取的读长)为单位,双端读长以FPKM(每千个碱基的转录每百万映射读取的片段)作为单位,和以TPM(每百万映射读取的读长)作为单位。
基因表达水平定量之后的分析可使用相应的软件包来实现。差异表达分析可选择NOIseq识别RNA-seq数据中的误差来源,并使用相应的方法来标准化这些误差,同时也可以使用COMBAT和ARSyN等及进行批次矫正。此外还可使用edgeR、DESeq、baySeq和EBSeq等进行分析。可变剪切分析可以使用BASIS、CuffDiff2、rSeqDiff等进行分析…
许多独立的研究都已经证实,选择不同的方法会对结果有一定影响,而且没有哪一种方法能够适用于所有的数据,所以,在具体分析的时候需要使用多个软件进行相互验证。

数据处理流程

如上文所说,RNA-seq有许多工具可以使用,实际中根据自己的需求选择合适的工具组合。
在这里插入图片描述
讯享网
最近接触的一套数据处理流程如下:
在这里插入图片描述

Raw Dara QC

step1 Cut adapter

fastp \\
-i $fq1 -I $fq2  \\
-o $outdir_step1_fastp/N1.r1.fq -O $outdir_step1_fastp/N1.r2.fq  \\
-h $outdir_step1_fastp/cutadapter_fastp.html -j $outdir_step1_fastp/cutadapter_fastp.json \\
--adapter_sequence="接头序列"\\
--adapter_sequence_r2="接头序列"\\
--disable_trim_poly_g \\
--disable_quality_filtering  \\
--disable_length_filtering \\
--dont_eval_duplication \\
--thread=12  -c \\
--failed_out $outdir_step1_fastp/${id}_cutadapter.failed_out.fq.gz &&

讯享网

step2 Quality control

讯享网fastp \\
-i $outdir_step1_fastp/N1.r1.fq -I $outdir_step1_fastp/N1.r2.fq  \\
-o $outdir_step1_fastp/N3.r1.fq -O $outdir_step1_fastp/N3.r2.fq  \\
-h $outdir_step1_fastp/quality_filter.fastp.html -j $outdir_step1_fastp/quality_filter_.fastp.json \\
--disable_adapter_trimming \\
--thread=12 \\
--disable_trim_poly_g \\
--qualified_quality_phred=30 \\ 设置过滤质量值
--unqualified_percent_limit=50 \\
--disable_length_filtering \\
--n_base_limit=10 \\
-p  -c \\
--failed_out $outdir_step1_fastp/${id}_quality_failed_out.fq.gz &&

step3 Length control

/fastp \\
-i $outdir_step1_fastp/N3.r1.fq -I $outdir_step1_fastp/N3.r2.fq  \\
-o $outdir_step1_fastp/${id}.r1.fq.gz -O $outdir_step1_fastp/${id}.r2.fq.gz  \\
-h $outdir_step1_fastp/${id}_lengthfilter.fastp.html -j $outdir_step1_fastp/${id}_lengthfilter.fastp.json \\
--disable_adapter_trimming \\
--thread=12 \\
--disable_trim_poly_g \\
--length_required=17 \\  #设置过滤长度
--disable_quality_filtering  \\
--dont_eval_duplication \\
-p  -c \\
--failed_out $outdir_step1_fastp/${id}_length_failed_out.fq.gz &&


rm $outdir_step1_fastp/N3.r1.fq
rm $outdir_step1_fastp/N3.r2.fq

step4 rRNA depletion

这里需要自己去制作一个rRNA的索引哈

讯享网hisat2 -k 10 -p 12 --no-unal \\ -x rRNA_indedx -S $outdir_step2_rRNA/${id}_accepted_hits.sam \\ --fr --dta --avoid-pseudogene \\ --un-conc-gz $outdir_step2_rRNA/${id}_non_rRNA --summary-file $outdir_step2_rRNA/${id}_rRNA_result.txt \\ -1 $outdir_step1_fastp/$id.r1.fq.gz -2 $outdir_step1_fastp/$id.r2.fq.gz && rm $outdir_step2_rRNA/${id}_accepted_hits.sam && mv $outdir_step2_rRNA/${id}_non_rRNA.1 $outdir_step2_rRNA/${id}_non_rRNA.1.fq.gz && mv $outdir_step2_rRNA/${id}_non_rRNA.2 $outdir_step2_rRNA/${id}_non_rRNA.2.fq.gz && 

Reads Alignment

hisat2 -k 10 -p 12 --no-unal \\ -x index_path -S $outdir_step3_hisat2/${id}_accepted_hits.sam \\ --novel-splicesite-outfile $outdir_step3_hisat2/${id}_junctions.bed \\ --fr --dta --avoid-pseudogene \\ --un-conc-gz $outdir_step3_hisat2/${id}_unmapped --summary-file $outdir_step3_hisat2/${id}_hisat2_result.txt \\ -1 $outdir_step2_rRNA/${id}_non_rRNA.1.fq.gz -2 $outdir_step2_rRNA/${id}_non_rRNA.2.fq.gz && samtools view -@ 4 -Su $outdir_step3_hisat2/${id}_accepted_hits.sam | samtools sort -@ 4 -o $outdir_step3_hisat2/${id}_accepted_hits.sorted.sam -O SAM && samtools view -@ 4 -bS $outdir_step3_hisat2/${id}_accepted_hits.sorted.sam > $outdir_step3_hisat2/${id}_accepted_hits.sorted.bam && samtools index $outdir_step3_hisat2/${id}_accepted_hits.sorted.bam && rm $outdir_step3_hisat2/${id}_accepted_hits.sam $outdir_step3_hisat2/${id}_accepted_hits.sorted.sam 

Quantification

此处使用featureCounts对上一步的比对结果进行定量,速度还是非常快的。

讯享网featureCounts \ -T 12 -t gene -g gene_id -B -C -p -O --minOverlap 10 \ -a GCF_000001405.40_GRCh38.p14_genomic.gtf \ -o ${outdir_step4_featureCounts_1}/$id.featurecounts.txt ${dir}/result/$id/step3_hisat2/${id}_accepted_hits.sorted.bam 

图片来源于网络,这里是用来讲解的哈
之后便可得到各基因定量的结果,但要注意的是,这里输出的计数是reads数目,需要根据自己的需要将各基因的表达量进行标准化。
这里给出各标准化的公式,大家自行选择。

其他

RPKM/FPKM

  1. 定义:
    RPKM: Reads Per Kilobase of exon model per Million mapped reads (每千个碱基的转录每百万映射读取的reads);
    FPKM: Fragments Per Kilobase of exon model per Million mapped fragments(每千个碱基的转录每百万映射读取的fragments)
  2. 计算公式:
    在这里插入图片描述

TPM

  1. 定义:
    TPM: Transcripts Per Kilobase of exon model per Million mapped reads (每千个碱基的转录每百万映射读取的Transcripts)
  2. 计算公式:
    在这里插入图片描述
    稍微解释一下:
    将reads counts除以每个基因的长度(以千碱基为单位),得到每千碱基reads(RPK, reads per kilobase)。
    计算样本中所有RPK值,然后将其除以1,000,000,得到“每百万”缩放因子 ( “per million”scaling factor )。
    将RPK值除以“每百万”缩放因子,得到TPM。

到此为止,我们测序数据的处理就完成了,后续就是获取各个样本的表达矩阵,进行分析啦。
在这里插入图片描述
!!!(建议准备两个表达矩阵,一个是标准化后的,一个是reads数的)!!!
在这里插入图片描述

参考

Sahraeian S M E, Mohiyuddin M, Sebra R, et al. Gaining comprehensive biological insight into the transcriptome by performing a broad-spectrum RNA-seq analysis[J]. Nature communications, 2017, 8(1): 1-15.
Conesa A, Madrigal P, Tarazona S, et al. A survey of best practices for RNA-seq data analysis[J]. Genome biology, 2016, 17(1): 1-19.
Marco-Puche G, Lois S, Benítez J, et al. RNA-Seq perspectives to improve clinical diagnosis[J]. Frontiers in genetics, 2019, 10: 1152.
RPKM、FPKM、TPM详解
Gene expression units explained: RPM, RPKM, FPKM, TPM, DESeq, TMM, SCnorm, GeTMM, and ComBat-Seq

小讯
上一篇 2025-03-08 17:53
下一篇 2025-02-28 19:21

相关推荐

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容,请联系我们,一经查实,本站将立刻删除。
如需转载请保留出处:https://51itzy.com/kjqy/80355.html