2019,38( 1 )河南大学学报(医学版)
• 67・
文章编号
：1672-7606 (2019)01-0067 -10
基于二代测序技术的转录组测序生物信息分析
汤冬-张国森2,
赵晓芳回
1.江苏苏博生物医学股份右限公司，江苏宿迁
22380()； 2.河南犬学基础恢学院医学生物信息学研究所细胞信号转导实验室，
河南开封
475004
摘要:随着二代测序技术和生物岱息学的发展，越来越多的科研人员通过转录组测序
(RNAseq)研究基因表达调控、疾
病发生机制和遗传育种上的问题面对测序所产生的大量数据.生物信息学分析策略对于数据的解读显得尤为車:要
本文结合不同
RNA( mRNA J.ncRNA、
miRNA和
eireRNA)的特点，对转录组测序中的儿类分析流程及其所涉及的软件和
数据库分别做简要的介绍.为
RNAseq的生信分析研究提供参考
关键词：二代测序;转录组;测序；个物信息
中图分类号
：Q786 文献标志码：
A
Bioinformatics analysis of transcriptome sequencing based on next
generation sequencing
TANG Dong1, ZHAGN Guo sen2, ZHAO Xiaofang"3
1 .Jiangsu Superbio Life Science Co. Ltd.. Suqian 223800. China: 2. Institute of Biomt'dical Informatics. Cell Sigiuil Transduction
1 laboratory, School of Basic Medical Sciences of Henan University, Kaifeng 475004. China
Abstract：
With the rapid(lev(4opinent of the nexl generation sequencing ( N(；S) and bioinfonnatics recently, more and more
毕 业 设 计（论文）
外 文 文 献 翻 译
文献、资料中文题目：第二代测序（NGS）技术
文献、资料英文题目：
文献、资料来源：
文献、资料发表（出版）日期：
院 （部）：
专 业：
班 级：
姓 名：
学 号：
指导教师：
翻译日期： 2017.02.14
Science has kept changing its form from observational to experimental to data-driven in the field
of life science. With the advancement of Next Generation Sequencing (NGS) technology, new
findings are coming up with a great amount of responsibilities whereas storing
and analysing these data is concern Li [1], Stephens et al. [2]. During last
decade, the cost of sequencing has reduced heavily by allowing access to more scientists. A
simple search in PUBMED can provide the scenario of exponential growth of
the number of reports published using NGS technology. However, the deposition of
raw data in the public domain is increasing dramatically outstripping the proper annotation of
Strand Genomics, Inc. 2014. All rights reserved. 原始数据导入,比对以及质量控制 完整的注释
提前封装多个标准物种的基因与转录注释，来源包括UCSC， RefSeq和ENSEMBL等 来自于dbSNP的SNP注释，来自于dbNSFP的SIFT /Polyphen注释，小RNA注释，miRNA靶标预测数据库， 筛选数据库等等。 可以从gbk/gtf文件或者FASTA文件创建其他物种的注释。
导入数据
文件格式–FASTA/FASTQ,SAM/BAM. 文库构建包括：SingleEnd, Paired End, Mate Paired以及 Directional Layouts. 可以支持的仪器平台包括：Illumina，Ion Torrent，ABI SOLiD等等。
用StrandNGS比对器进行原始数据比对
对小RNA，DNA-Seq，ChIP-Seq以及RNA-Seq原始数据 进行比对 对于特定的重测序的应用进行目标区域比对。 可处理各种长度的读长，任意的Gap数、错配数、以及配对 读长。提供多个选项：修剪接头,低质量的碱基，以及过滤的 数据库。 在内存64GM的机器上针对hg19每小时每个CPU可以比 对大约8百万个100bp的Reads Annotation Manager
Data Files Experiment Metadata
Alignment Statistics 质量控制图 碱基测序质量/碱基组成 碱基/reads质量分布频率 reads长度分布频率 tile 的碱基质量检测 tile 的alignment 质量检测 alignment score 的质量分布 RNA靶向测序的质量检测
质量控制管理: library QC 多项质量控制内容包括比对前QC，比对后QC，illumina 测序平台QC，建库QC 对每例样本自动生成QC文件 以PDF格式导出QC报告 质量控制管理：目标序列捕获测序QC 有效的分析靶向序列捕获测序实验数据 目标区段范围内的质量控制 评估各个测序样本在目标区段的reads覆盖情况
高通量测序错误总结
一、生信分析部分
1）Q20/Q30
碱基质量分数与错误率是衡量测序质量的重要指标，质量值越高代表碱基被测错的概率越小。Q30 代表碱基的正确判别率是99.9% ，错误率为0.1% 。同时我们也可以
理解为1000 个碱基里有1 个碱基是错误的。Q20 代表该位点碱基的正确判别率是99% ，
错误率为1% 。对于整个数据来说，我们可以认为100 个碱基里可能有一个是错误的,
在碱基质量模块报告的坐标图中，背景颜色沿y- 轴将坐标图分为3 个区：最上面的绿
色是碱基质量很好的区，Q 值在30 以上。中间的橘色是碱基质量在一些分析中可以接
受的区，Q 值在20-30 之间。最下面红色的是碱基质量很差的区。在一些生信分析中，
比如以检查差异表达为目的的RNA-seq 分析，一般要求碱基质量在Q 在Q20 以上就
可以了。但以检查变异为目的的数据分析中，一般要求碱基质量要在Q30 以上。
一般来说，测序质量分数的分布有两个特点：
1.测序质量分数会随着测序循环的进行而降低。
2.有时每条序列前几个碱基的位置测序错误率较高，质量值相对较低。
