《二代測序分析》

工作進(jìn)展1整理課件RNA-sequences分析方法

hisat+stringtie+ballgown2整理課件HISAT1：index算法基于BWT和以BWT為根底的FM

index:

FM算法是以BWT為根底，在計(jì)算的過程中加了兩個參數(shù)，一個是OCC，Occ[c,r]表示在BWT〔T〕中第r行之前出現(xiàn)字符c的個數(shù)，因?yàn)槿绻颜麄€基因組存進(jìn)去，每次都要重頭數(shù)一遍，消耗量太大，所以是以幾百行為一組為一個checkpoint，這樣內(nèi)存就小了，也方便檢索；另外一個是SA，

記錄第r行在參考基因組中是什么位置，這個過程是在BWT操作中實(shí)現(xiàn)的。2：建立index的方式：全基因組FMindex和局部index〔特色，新的建索引庫策略〕核心算法會用到tophat3上HISAT在基因組范圍內(nèi)有48000個局部FMindex每個長度64k，通過測試數(shù)據(jù)和真實(shí)數(shù)據(jù)的比較，發(fā)現(xiàn)這是一個最快的軟件。HISAT的根本設(shè)計(jì)原理：HISAT利用bowtie2來建立很多低水平結(jié)果的FMindex，這些index包含兩種類型：1：全基因組index；2：大量的小FMindex，每個代表64k，也因?yàn)榻撕芏嘈〉膇ndex，所以總的內(nèi)存使用情況也較低3:100bp的reads至少跨越兩個exon的占34.5%，分為三類：1：每個外顯子至少16bp〔25.1〕；每個外顯子8-15bp〔5.1〕，每個外顯子1-7bp〔4.2〕；另外跨越三個的3.1%。針對每種reads都有相應(yīng)的比對策略根本的比對策略的思想是先在眾多index中找，如果比對上多個地方，就往兩邊延伸；4：根本的性能比照速度：110,193條reads/s，tophat1,954；利用模擬數(shù)據(jù)正確比對率〔99.2%〕，tophat2(97.4)；在跨越2個exon，只有1-7bp的reads來說；

uniq比對率HISAT〔94.4〕tophat2(77.8)另外敏感度和準(zhǔn)確性HISAT〔97.3,94.8〕Tophat2〔90.6,82.6〕100bp，20M的reads用時26.7min，tophat21170分鐘3整理課件stringtieStringTie和Cufflinks算法比照cufflinksparsimony算法

(簡約算法)：生成最少的亞型,這種算法沒有考慮轉(zhuǎn)錄豐度，在isoforms方面算的不準(zhǔn)。其在算表達(dá)量的時候，按照圖上的說法是用了最大似然冗余算法。stringTie先將reads分為不同的類，然后再針對每個類的reads生成一個拼接圖來確定轉(zhuǎn)錄本，之后每個轉(zhuǎn)錄本產(chǎn)生一個流神經(jīng)網(wǎng)絡(luò)的最大流算法來評估表達(dá)水平這個算法的意思對應(yīng)過來就是在一個基因處的假設(shè)干個轉(zhuǎn)錄本，如何分配reads的數(shù)目才能讓每個轉(zhuǎn)錄本的數(shù)目都處在最多的狀態(tài)。這個算法是求解最優(yōu)化的。在RNA組裝方面優(yōu)劣勢比照在組裝方面StringTie具有一些優(yōu)勢，在低表達(dá)的局部，閾值過濾5%的StringTie比閾值過濾10%的準(zhǔn)確度和敏感度還要高〔這里的準(zhǔn)確度和敏感度是把原始數(shù)據(jù)隨機(jī)抽取出來一局部數(shù)據(jù)，看看這兩組隨機(jī)抽出來的數(shù)據(jù)的重合度如何和ROC是一個事情〕關(guān)于組裝效果，StringTie要好于cufflinks，StringTie可以正確組裝10990長的轉(zhuǎn)錄本，cunfflinks組裝長度為7187，同時他們又遠(yuǎn)遠(yuǎn)好于其他軟件。性能比照時間上來說：StringTie30min，cufflink81min，比其他軟件快3倍，內(nèi)存比cufflink少一半，找出來的基因中，cufflink找出來的70%在StringTie中有重合，相比于cufflink，StringTie在基因重構(gòu)方面對三種類型的基因更有效，分別是：低冗余，高exon數(shù)目和多重轉(zhuǎn)錄本。StringTie之所以能取得好的效果，是因?yàn)槟Ｐ椭杏袀€求最有的過程；其可以通過轉(zhuǎn)錄組的每個組裝平衡覆蓋度，算法自己可以通過合并覆蓋到的深度來限制組裝。4整理課件Ballgown

ballgown是一個R腳本，用來分析差異結(jié)果的，差異分布的結(jié)果是基于F-test來檢測的，和我們以前用的有些不同就測試內(nèi)存而言，cu