基于新一代測序的數字基因表達譜生物信息學分析平臺的建立及應用.pdf

1、新一代測序技術具有高通量、低成本等優(yōu)勢，在動物和植物的基因組測序及基因表達研究中被廣泛應用。棉花不僅是一種重要的經濟作物，其纖維細胞也是理想的研究植物細胞生長發(fā)育的模型。但由于其基因組較大、多倍性等原因，全基因組的測序及拼接工作難度較大。因此，為了解讀基因的功能，更好的研究基因在棉花生理代謝活動中的作用，利用新一代測序技術對棉花基因表達進行研究已成為近些年來的研究熱點。然而如何利用生物信息學工具從新一代測序產生的海量數據中挖掘有效的信息

2、，成為目前急需解決的問題。據此本研究建立了一個基于新一代測序的數字基因表達譜生物信息學分析平臺，并應用于棉花RNA測序數據。
　　 此分析平臺的流程包括對測序原始數據的預處理，與參考序列的比對，基因表達量和測序覆蓋度的統(tǒng)計，對多個樣本的基因表達差異分析以及后續(xù)的功能注釋和代謝通路分析。然后應用此分析平臺，對陸地棉YZ1正常株系和PDF1基因RNAi株系開花當天的胚珠RNA測序數據，共四個樣本(DF1-DF4)，進行了全面的分析。

3、主要的研究結果如下：
　　 1.分析平臺的建立：利用FASTX-Toolkit對測序原始數據進行質量控制，去掉低質量的序列后得到待分析數據(clean reads)，接著利用Maq和Bowtie將clean reads比對到參考序列上，并編寫python腳本統(tǒng)計RPKM值和測序覆蓋度，合并多個樣本的比對統(tǒng)計值之后利用DESeq進行差異表達分析，最后將差異表達的基因利用Blast2GO進行GO功能注釋，WEGO進行功能分類統(tǒng)計，K

4、EGG進行代謝通路分析。
　　 2.成功應用于DF1-DF4四個樣本的測序數據分析：對DF1-DF4進行質量處理后，均保留了99.6%的數據；比對到參考序列上的基因，其RPKM值小于100的分別占了92.2%，91.7%，91.7%，91.0%；DF1與DF2進行水平內去除差異后，與DF3的比較得到27個差異表達基因，其中23個上調表達，4個下調表達：與DF4的比較得到345個差異表達基因，其中51個上調表達，294個下調表達；