轉(zhuǎn)錄組RNAseq術(shù)語解釋

1、RNA-Seq名詞解釋l.index測序的標(biāo)簽，用于測定混合樣本，通過每個樣本添加的不同標(biāo)簽進(jìn)行數(shù)據(jù)區(qū)分，鑒別測序樣品。2 .堿基質(zhì)量值(QualityScore或Q-score)是堿基識別(BaseCalling)出錯的概率的整數(shù)映射。堿基質(zhì)量值越高表明堿基識別越可靠，堿基測錯的可能性越小。3.Q30堿基質(zhì)量值為Q30代表堿基的精確度在99.9%。4 .FPKM(FragmentsPerKilobaseoftranscriptperMillionfragmentsmapped)每1百萬個map上的reads中map到外顯子的每1K個堿基上的fragment個數(shù)。計算公式為cDNAFragme

2、ntsFPKM=-MappedReads(Millions)xTranscriptLength(kb)I公式中，cDNAFragments表示比對到某一轉(zhuǎn)錄本上的片段數(shù)目，即雙端Reads數(shù)目；MappedReads(Millions)表示MappedReads總數(shù)，以10為單位；TranscriptLength(kb):轉(zhuǎn)錄本長度，以kb個堿基為單位。5 .FC(FoldChange)即差異表達(dá)倍數(shù)。6 .FDR(FalseDiscoveryRate)即錯誤發(fā)現(xiàn)率，定義為在多重假設(shè)檢驗過程中，錯誤拒絕(拒絕真的原(零)假設(shè))的個數(shù)占所有被拒絕的原假設(shè)個數(shù)的比例的期望值。通過控制FDR來決定P

3、值的閾值。7 .P值(P-value)即概率，反映某一事件發(fā)生的可能性大小。統(tǒng)計學(xué)根據(jù)顯著性檢驗方法所得到的P值，一般以P0.05為顯著，P0.01為非常顯著，其含義是樣本間的差異由抽樣誤差所致的概率小于0.05或0.01o8 .可變剪接(Alternativesplicing)有些基因的一個mRNA前體通過不同的剪接方式(選擇不同的剪接位點)產(chǎn)生不同的mRNA剪接異構(gòu)體，這一過程稱為可變剪接(或選擇性剪接，alternativesplicing)。可變剪接是調(diào)節(jié)基因表達(dá)和產(chǎn)生蛋白質(zhì)組多樣性的重要機制，是導(dǎo)致真核生物基因和蛋白質(zhì)數(shù)量較大差異的重要原因。在生物體內(nèi)，主要存在7種可變剪接類型：A)

4、Exonskipping；B)Intronretention；C)Alternative5splicesite；D)Alternative3splicesite；E)Alternativefirstexon；F)Alternativelastexon；G)Mutuallyexclusiveexon。9 .外顯子跳躍(Exonskipping)外顯子在前體mRNA剪接形成成熟mRNA過程中被跳過，最終沒有出現(xiàn)在某些成熟mRNA上，這種剪接機制被稱為外顯子跳躍。10 .內(nèi)含子保留(Intronretention)前體mRNA在剪接形成成熟mRNA的過程中，部分內(nèi)含子被保留下來，這種剪接機制被稱為內(nèi)

5、含子保留。11 .5或3端可變剪接前體mRNA在剪接形成成熟mRNA的過程中，5端或3端邊界發(fā)生不同方式的剪接，這種剪接機制被稱為5或3端可變剪接。12. 基因結(jié)構(gòu)優(yōu)化由于使用的軟件或數(shù)據(jù)本身的局限性，導(dǎo)致所選參考基因組的注釋往往不夠精確，需要對原有注釋的基因結(jié)構(gòu)進(jìn)行修正，這一過程稱為基因結(jié)構(gòu)優(yōu)化。13. 基因間區(qū)(intergenic)指基因與基因之間的間隔序列，不屬于基因結(jié)構(gòu)，不直接決定氨基酸，可能通過轉(zhuǎn)錄后調(diào)控影響性狀的區(qū)域。14. UTR:(UntranslateRegions)非翻譯區(qū)域。是信使RNA(mRNA)分子兩端的非編碼片段。5-UTR從mRNA起點的甲基化鳥嗯吟核昔酸帽延伸

6、至AUG起始密碼子，3-UTR從編碼區(qū)末端的終止密碼子延伸至多聚A尾巴(Poly-A)的前端。15. ORF(openreadingframe)開放閱讀框或開放讀碼框。是結(jié)構(gòu)基因的正常核甘酸序列，從起始密碼子到終止密碼子的閱讀框可編碼完整的多肽鏈，其間不存在使翻譯中斷的終止密碼子。16. CDS(Codingsequence)是編碼一段蛋白產(chǎn)物的序列，是結(jié)構(gòu)基因組學(xué)術(shù)語。DNA轉(zhuǎn)錄成mRNA,mRNA經(jīng)剪接等加工后翻譯出蛋白質(zhì)，所謂CDS就是與蛋白質(zhì)序列一一對應(yīng)的DNA序列，且該序列中間不含其它非該蛋白質(zhì)對應(yīng)的序列，不考慮mRNA加工等過程中的序列變化，總之，就是與蛋白質(zhì)的密碼子完全對應(yīng)。17

7、. 插入片段大小(insertsize)通過檢測雙端序列在基因組上的起止位置，可以得到插入片段的實際長度，決定了測序的長度，是信息分析的重要參數(shù)。18. 分子標(biāo)記是遺傳標(biāo)記的一種，直接在DNA分子上檢測遺傳變異。分子標(biāo)記能對不同發(fā)育時期的個體、組織器官甚至細(xì)胞作檢測，數(shù)量極多，遍及整個基因組，多態(tài)性高，遺傳穩(wěn)定，不受環(huán)境及基因表達(dá)與否的影響。目前常見分子標(biāo)記主要有SNP、InDel、SSR等。19. SNP(SingleNucleotidePolymorphism)即單核昔酸多態(tài)性，主要是指在基因組水平上由單個核音酸的變異所引起的DNA序列多態(tài)性。SNP所表現(xiàn)的多態(tài)性只涉及到單個堿基的變異，這

8、種變異可由單個堿基的轉(zhuǎn)換(transition)或顛換(transversion)所引起，也可由堿基的插入或缺失所致。但通常所說的SNP并不包括后兩種情況。20. SSR(SimpleSequenceRepeat,SSR)即簡單重復(fù)序列，又叫微衛(wèi)星序列，指的是基因組中由1-6個核甘酸組成的基本單位重復(fù)多次構(gòu)成的一段DNA,廣泛分布于基因組的不同位置，長度一般在200bp以下。21. 轉(zhuǎn)換(transition)同類型(喋吟和喋吟，或嗑咤和嗑咤)堿基之間的相互替換稱為轉(zhuǎn)換。22. 顛換(transversion)不同類型(喋吟和嗑咤)堿基之間的相互替換稱為顛換。23. RNA編輯(RNAedit

9、ing)是指在mRNA水平上改變遺傳信息的過程。具體來說，指基因轉(zhuǎn)錄產(chǎn)生的mRNA分子中，由于核普酸的缺失，插入或置換，基因轉(zhuǎn)錄物的序列不與編碼序列互補，使翻譯生成的蛋白質(zhì)的氨基酸組成，不同于基因序列中的編碼信息現(xiàn)象。24. 差異表達(dá)轉(zhuǎn)錄本(DifferentiallyExpressedTranscript,DET)指表達(dá)水平存在顯著差異的轉(zhuǎn)錄本。25. 差異表達(dá)基因(DifferentiallyExpressedGene,DEG)指在兩個不同條件(如對照與處理、野生型和突變型、不同時間點、不同組織等)下，表達(dá)水平存在顯著差異的基因，稱之為差異表達(dá)基因。26. 生物學(xué)重復(fù)(Biological

10、Replicates)可以定義為使用來自不同抽提的RNA樣本進(jìn)行雜交，例如，同一來源獨立制備的樣本，或者不同來源的樣本(不同組織或者一個細(xì)胞系的不同培養(yǎng)物)27. 技術(shù)重復(fù)使用同一個抽提的RNA進(jìn)行實驗稱為技術(shù)重復(fù)。與生物學(xué)重復(fù)相比，技術(shù)重復(fù)不是完全獨立的，取平均值不能去除共有的系統(tǒng)偏差。28. 皮爾遜相關(guān)系數(shù)r(PearsonsCorrelationCoefficient)用于度量兩個變量X和丫之間的相關(guān)(線性相關(guān))，其值介于-1與1之間。其中，1表示變量完全正相關(guān)，0表示無關(guān)，-1表示完全負(fù)相關(guān)。在高通量測序中，將皮爾遜相關(guān)系數(shù)作為生物學(xué)重復(fù)相關(guān)性的評估指標(biāo)。越接近1,說明兩個重復(fù)樣品相關(guān)

11、性越強。29. UnigeneUniqueGene的英文縮寫，意為廣泛通用的基因數(shù)據(jù)庫，通過電腦對相同基因座(Locus)的收集整理集合形成一個非冗余的基因數(shù)據(jù)庫。30. Contig高通量測序中利用軟件將具有一定長度overlap的reads連成更長的片段，這些通過readsoverlap關(guān)系得到的不含N的組裝片段稱之為Contig。31. Scaffold高通量測序中reads經(jīng)過拼接獲得Contigs,Contig經(jīng)過確定先后順序用N連接起來組成Scaffoldc32. ContigN50Reads拼接后會得到長度不同的Contigs。將所有Contigs的長度相加后獲得一個Contig

12、的總長度。之后將所有Contig按照序列長度由短到長進(jìn)行排序，如獲得Contig1,Contig2,Contig3。將Contig按照這個順序一次相加，當(dāng)相加的長度達(dá)到Contig總長度的一半時，最后一個加上的Contig長度即為ContigN50。33. componentTRINITY軟件拼接過程中，由于contig的構(gòu)造方法，使得各個contig之間不可能共享k個以上序列，因此這些inchwormcontigs不能很好的表征各種可變剪切形式和同源基因等情況，軟件中chrysalis這一步驟將那些有重疊的contigs聚類，構(gòu)成ponent就成為一組可變剪切is

13、oform或同源基因可能的表征的集合。34. deBruijngraph使用TRINITY軟件拼接時，在“chrysalis步驟中會將component通過overlap關(guān)系構(gòu)建成deBruijn圖，便于獲取可變剪切的序列。35. 數(shù)字基因表達(dá)譜(DigitalGeneExpressionProfile,DGE)利用新一代高通量測序技術(shù)和高性能的計算分析技術(shù)，能夠全面、經(jīng)濟(jì)、快速地檢測某一物種特定組織在特定狀態(tài)下的基因表達(dá)情況O36. smallRNA對長度在18-40bp的短RNA進(jìn)行序列、結(jié)構(gòu)、表達(dá)、功能上的分析，主要進(jìn)行miRNA,siRNA,piRNA幾種類型sRNA的分析；可與mRN

14、A關(guān)聯(lián)分析。37. ncRNA(non-codingRNA)非編碼RNA。指不編碼蛋白質(zhì)的RNA。其中包括rRNA,tRNA,snRNA,snoRNA和microRNA等多種已知功能的RNA,及未知功能的RNAo其共同特點是都能從基因組上轉(zhuǎn)錄而來，不需要翻譯成蛋白即可在RNA水平上行使各自的生物學(xué)功能。38. 降解組測序(DegradomeSequencing)利用高通量測序平臺，針對miRNA介導(dǎo)的剪切降解片段進(jìn)行深度測序，從中篩選miRNA作用的靶基因，并結(jié)合生物信息學(xué)分析確定降解片段與miRNA的精確配對信息。該技術(shù)能從細(xì)胞或組織中準(zhǔn)確高效的篩選出miRNA的靶基因，為研究miRNA與其

15、對應(yīng)的靶基因的相互關(guān)系提供準(zhǔn)確、高效的篩選手段。39. lncRNA(longnoncodingRNA)長鏈非編碼RNAo在長度200-100000nt之間，不具有編碼蛋白功能的轉(zhuǎn)錄本。40. 正鏈/負(fù)鏈(plusstrand/minusstrand)對于一個基因來說，DNA的兩條鏈中有一條鏈作為RNA合成時的模板，這條鏈叫負(fù)鏈，另一條叫正鏈。41. 反義鏈/有義鏈(antisensestrand/sensestrand)在雙鏈DNA中，用來轉(zhuǎn)錄mRNA的DNA鏈稱為模板鏈(templatestrand),不用于轉(zhuǎn)錄的鏈則稱為非模板鏈(nontemplatestrand)。根據(jù)堿基互補配對原則

16、，轉(zhuǎn)錄出的mRNA鏈的堿基序列與非模板鏈的堿基序列一致，惟一不同的是，非模板鏈中的TmRNA鏈中全部置換成了U。正是由于非模板鏈的堿基序列實際上代表了mRNA的堿基序列(只不過在mRNA中T換成了U),因此非模板鏈又被稱為編碼鏈(codingstrand)，有義鏈(sensestrand)和克里克鏈(crickstrand),而用來轉(zhuǎn)錄mRNA的DNA鏈被稱為非編碼鏈(anticodingstrand)或反義鏈(antisensestrand)或沃森鏈(watsonstrand)。42. 鏈特異性(strandspecific):鏈特異性建庫，可以確定轉(zhuǎn)錄本來自正鏈還是負(fù)鏈。以便更加準(zhǔn)確的獲得

17、基因的結(jié)構(gòu)以及基因表達(dá)信息。并且可以更好的發(fā)現(xiàn)新的基因。(研究表明：很多基因組區(qū)域具有正負(fù)鏈的轉(zhuǎn)錄本，反義轉(zhuǎn)錄是真核基因的一個特征，是一種重要的調(diào)控方式。對于原核以及低等真核生物的基因組，常常具有重疊基因。43. GO(GeneOntology)基因本體聯(lián)合會(GeneOntologyConsortium)所建立的數(shù)據(jù)庫，旨在建立一個適用于各種物種的，堆積因何蛋白質(zhì)功能進(jìn)行限定和描述的，并能隨著研究不斷深入而更新的語言詞匯標(biāo)準(zhǔn)。GO是多種生物本體語言中的一種，提供了三層結(jié)構(gòu)(分子功能、生物學(xué)途徑、細(xì)胞組件)的系統(tǒng)定義方式，用于描述基因產(chǎn)物的功能。網(wǎng)址：http:/www.geneontolog

18、/。44. BSR(BulkedSegregantRNAsequencing)將轉(zhuǎn)錄組測序與集群分離分析相結(jié)合，在轉(zhuǎn)錄組范圍內(nèi)開發(fā)SNPs,篩選與性狀緊密連鎖的SNPs,進(jìn)行功能基因的定位，同時進(jìn)行基因差異表達(dá)分析等轉(zhuǎn)錄組常規(guī)分析的技術(shù)。45. eQTL以一個分離群體中不同個體(基因型)或者是其它有遺傳結(jié)構(gòu)的群體作為樣本，運用QTL分析方法分析特定基因轉(zhuǎn)錄豐度差異而得到的一些遺傳區(qū)域，轉(zhuǎn)錄豐度用于作為個體中基因表達(dá)水平的衡量方式，并且作為一個性狀來分析(eTrait)。46. COG/KOGCOG是ClustersofOrthologousGroupsofproteins的簡稱，KOG為euKaryoticOrthologGroups。這兩個注釋系統(tǒng)都是NCBI中基于基因直系同源關(guān)系的數(shù)據(jù)庫，其中COG針對原核生物，KOG針對真核生物。COG/KOG結(jié)合進(jìn)化關(guān)系將來自不同物種的同源基因分為不同的Ortholog簇，目前COG有4873個分類，KOG有4852個分類。來自同一ortholog的基因具有相同的功能，這樣就可以將功能注釋直接繼承給同一COG/KOG簇的其他成員。詳見http:/w