一个真菌基因组分析及表达谱分析项目方案.pdfVIP

“一个真菌基因组分析及表达谱分析”项目方案 一，基因组组装及基因预测、注释 1.质控 利用NGStoolkit 质控软件，对原始数据的测序质量进行评估，去除低质量 数据和测序接头。得到clean data，并利用fastqc 对质控后的数据进行做数据 质量图形，评估数据质量和GC 含量等参数。对数据量和特性进行详细统计。 2. 基因组组装 本团队将利用SPAdes 3.0.0 （http://bioinf.spbau.ru/spades）软件对真 菌基因组进行组装。SPAdes 3.0.0 是一款快速、高效的基因组拼接软件，可适 用于单细胞或非单细胞测序数据。输入数据可以是 Illumina、IonTorrent reads, 或 PacBio、Sanger reads，也可以把一些 contigs 序列作为 long reads 进行 输入。该软件可以同时接受多组 paired-end、mate-pairs 和 unpaired reads 数据的输入。同时该软件有一个独立的模块用于进行杂合基因组的组装。本研究 通过SPAdes 3.0.0 软件，利用SPAdes 算法，利用不同的K-mer 参数的分别对该 真菌测序数据进行多次基因组拼接和优化，最终基于基因组拼接结果的N50、最 长拼接序列长度、最小拼接序列长度和拼接出的 scaffold 个数等参数对各个拼 接结果进行筛选，选取最佳k-mer 参数和相应的最优拼接结果。 3. 基因预测 对于真菌基因组，为获得高置信度的预测基因集，我司会采用并整合基因预 测方法：基于基因组序列的从头预测方法（Ab initio methods）和基于证据支 持的基因预测（Evidence-based methods）。 （1）从头预测 根据基因组上的基因序列特征进行预测。从头预测基因软件需要根据测序基 因组选择最接近的物种基因模型，提高该基因组基因预测的准确性。为了确保基 因预测的准确性，除了选择最接近的物种基因模型参数，我司会选择至少两种从 头预测软件对测序基因组进行基因预测。 分析软件：AUGUSTUS、FGENESH、Geneid 和GENSCAN。 （2）基于证据支持的基因预测 在证据支持的基因预测时，基因预测证据包括蛋白序列，表达序列标签（EST） 序列和表达（RNA-seq）数据。利用该测序基因组先前已经鉴定的转录本或蛋白 序列，或者是所测的RNA-seq 数据，或相近物种的已鉴定的这类数据。 将 EST 和蛋白序列比对测序基因组上从而迅速鉴定出基因组上的近似同源 区域。然后根据比对区域的相似性，去除边缘的联配序列。再将过滤过的联配区 域进行聚类，鉴定出重叠的联配区域，鉴定出基因位置。 分析软件：genewise（Birney et al. 2004）,PASA（Rhind, et al. 2011,Haas, et al. 2011）等。 基于转录组数据的基因预测 RNA-seq 数据鉴定基因主要通过两种方式： 一是利用拼接软件，例如ABySS （Simpson et al. 2009）, SOAPdenovo(Xie et al. 2014)和 Trinity(Grabherr et al. 2011)等,对 RNA-seq 测序读序进行 无参照的从头拼接，然后将拼接出的转录本（transcripts）以与ESTs 同样的方 式与基因组联配进行基因预测。 二是利用TopHat（Trapnell et al.2009）和Scripture（Guttman et al. 2010） 等软件将RNA-seq 数据直接与基因组联配，然后利用Cufflinks （Robertson et al. 2010）再将联配结果组装成转录本，这种方法通常用TopHat 和 Cufflinks 软件组合才实现。然后以与ESTs 同样的方式与基因组联配进行基因预测 为了准确的预测出基因组上的基因，我司会将多种预测方法的结果进行优化 整合，去除假阳性和假阴性，最终确定出高可信度的基因集，用于后续的基因组 分析。 整合软件：PASA， EVM 4. 基因注释 基因功能注释 基因功能注释包括预测基因中的模序和结构域、蛋白质的功能和所在的生物 学通路等。 利用一些常用的数据库进行基因功能注释，使用的数据库有 Nr 蛋白库 （/blast/db/FASTA ）、Uniprot 蛋白质序列数据库 （/ ）、 Interpro 蛋 白 质 家