CN111354418A - 基于参考基因组注释文件的高通量测序技术动物tRFs数据分析方法 - Google Patents
基于参考基因组注释文件的高通量测序技术动物tRFs数据分析方法 Download PDFInfo
- Publication number
- CN111354418A CN111354418A CN202010057500.4A CN202010057500A CN111354418A CN 111354418 A CN111354418 A CN 111354418A CN 202010057500 A CN202010057500 A CN 202010057500A CN 111354418 A CN111354418 A CN 111354418A
- Authority
- CN
- China
- Prior art keywords
- trfs
- analysis
- file
- data
- sequence
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 241001465754 Metazoa Species 0.000 title claims abstract description 17
- 238000000034 method Methods 0.000 title claims abstract description 17
- 238000012165 high-throughput sequencing Methods 0.000 title claims abstract description 16
- 238000007405 data analysis Methods 0.000 title claims abstract description 15
- 238000005516 engineering process Methods 0.000 title claims abstract description 15
- 238000004458 analytical method Methods 0.000 claims abstract description 46
- 108090000623 proteins and genes Proteins 0.000 claims abstract description 28
- 238000010201 enrichment analysis Methods 0.000 claims abstract description 14
- 238000003908 quality control method Methods 0.000 claims abstract description 8
- 238000002360 preparation method Methods 0.000 claims abstract description 5
- 238000012800 visualization Methods 0.000 claims abstract description 3
- 230000014509 gene expression Effects 0.000 claims description 30
- 108020004566 Transfer RNA Proteins 0.000 claims description 22
- 241000894007 species Species 0.000 claims description 22
- 108020004999 messenger RNA Proteins 0.000 claims description 14
- 238000012216 screening Methods 0.000 claims description 11
- 230000006870 function Effects 0.000 claims description 9
- 238000010586 diagram Methods 0.000 claims description 7
- 238000001914 filtration Methods 0.000 claims description 7
- 238000012163 sequencing technique Methods 0.000 claims description 7
- 150000001413 amino acids Chemical class 0.000 claims description 6
- 238000010195 expression analysis Methods 0.000 claims description 6
- 238000007689 inspection Methods 0.000 claims description 6
- 230000037361 pathway Effects 0.000 claims description 5
- 230000037353 metabolic pathway Effects 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 108020004705 Codon Proteins 0.000 claims description 3
- 240000008168 Ficus benjamina Species 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000007621 cluster analysis Methods 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 3
- CCEKAJIANROZEO-UHFFFAOYSA-N sulfluramid Chemical group CCNS(=O)(=O)C(F)(F)C(F)(F)C(F)(F)C(F)(F)C(F)(F)C(F)(F)C(F)(F)C(F)(F)F CCEKAJIANROZEO-UHFFFAOYSA-N 0.000 claims description 3
- 230000003828 downregulation Effects 0.000 claims 1
- 230000003252 repetitive effect Effects 0.000 claims 1
- 230000003827 upregulation Effects 0.000 claims 1
- 230000000007 visual effect Effects 0.000 abstract description 5
- 108020004414 DNA Proteins 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000005206 flow analysis Methods 0.000 description 2
- 238000000513 principal component analysis Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 108091081062 Repeated sequence (DNA) Proteins 0.000 description 1
- 238000012167 Small RNA sequencing Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000003556 assay Methods 0.000 description 1
- 230000008827 biological function Effects 0.000 description 1
- 238000003776 cleavage reaction Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 108091070501 miRNA Proteins 0.000 description 1
- 239000002679 microRNA Substances 0.000 description 1
- 230000001124 posttranscriptional effect Effects 0.000 description 1
- 239000002243 precursor Substances 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 230000007017 scission Effects 0.000 description 1
- 238000002864 sequence alignment Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B30/00—ICT specially adapted for sequence analysis involving nucleotides or amino acids
- G16B30/10—Sequence alignment; Homology search
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B20/00—ICT specially adapted for functional genomics or proteomics, e.g. genotype-phenotype associations
- G16B20/30—Detection of binding sites or motifs
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B40/00—ICT specially adapted for biostatistics; ICT specially adapted for bioinformatics-related machine learning or data mining, e.g. knowledge discovery or pattern finding
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B50/00—ICT programming tools or database systems specially adapted for bioinformatics
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Medical Informatics (AREA)
- Theoretical Computer Science (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Biotechnology (AREA)
- Evolutionary Biology (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Chemical & Material Sciences (AREA)
- Databases & Information Systems (AREA)
- Proteomics, Peptides & Aminoacids (AREA)
- Analytical Chemistry (AREA)
- Bioethics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Public Health (AREA)
- Software Systems (AREA)
- Epidemiology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Genetics & Genomics (AREA)
- Molecular Biology (AREA)
- Artificial Intelligence (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
Abstract
本发明提出了一种基于参考基因组注释文件的高通量测序技术动物tRFs数据分析方法，包括文件准备步骤、tRNA数据库整理步骤、GO、KEGG背景文件整理步骤、下机数据质控步骤、参考基因组比对步骤、tRFs比对注释步骤、差异tRFs分析步骤、靶基因预测及富集分析步骤、网页版报告整理步骤。本发明结果全面，包含涉及到的tRFs分析内容以及其靶基因预测，GO、KEGG富集分析以及对应的可视化展示；自动整理所有分析结果，每一步分析完成之后自动对结果进行汇总统计，可视化，以及逻辑化归类整理，结果文件可直接用于生成网页版报告；所有操作步骤可以溯源，方便错误查询，如果分析报错，会有对应的报错日志信息。
Description
技术领域
本发明属于高通量转录组测序领域，具体涉及一种基于参考基因组注释文件的高通量测序技术动物tRFs数据分析方法。
背景技术
tRFs(长度为15-30nt)是在某些特定情况下，由成熟tRNA或前体tRNA被特异性剪切产生的；tRFs在动物中行使与miRNA类似的功能，参与转录后基因表达调控，研究tRFs的表达差异，tRFs的靶基因、以及其作用机制，是转录组数据分析中的重要一部分，对于动物基因的表达调控机制有重要意义。
tRNA在绝大多数物种的参考基因组注释文件中都有注释，但多数物种缺少 tRFs的注释，相应的trfdb数据库也没有收录相关物种信息，但是基于物种的参考基因组注释文件，也可以进行tRFs的分析。目前还没有针对无参考tRFs 数据的tRFs的数据分析工具，特别是没有自动化的分析实现tRFs测序结果的流程化分析工具，包括tRFs的鉴定，表达量分析和差异分析，靶基因位点分析， GO、KEGG功能富集分析等各个步骤的自动化整合。
现有的动物tRFs高通量分析方法存在如下缺陷：
(1)适用性不强：只能分析现有tRFs数据库的物种；
(2)结果展示不完整：分析结果过于简单，数据挖掘的不深入，缺少数据对应的可视化展示内容。
发明内容
为了克服现有技术所存在的上述缺陷，本发明的目的在于提供一种基于参考基因组注释文件的高通量测序技术动物tRFs数据分析方法。
为了实现本发明的目的，所采用的技术方案是：
本发明提供了一种基于参考基因组注释文件的高通量测序技术动物tRFs数据分析方法，包括如下步骤：
(1)文件准备步骤：
准备config文件，读取后用于进行数据自动化质控以及后续数据分析；
(2)tRNA数据库整理步骤：
使用bedtools软件，利用NCBI或者Ensembl数据库中物种现有的参考基因组序列文件、参考基因组gff注释文件获得物种的tRNA序列信息包括转运的氨基酸，长度，反向密码子以及碱基信息；
(3)GO、KEGG背景文件整理步骤：
使用所述参考基因组序列文件、所述参考基因组gff注释文件提取物种的 mRNA序列；根据所述mRNA序列文件、KEGG数据库、SwissProt数据库，整理GO、 KEGG背景文件，包括mRNA注释文件，GO富集背景文件，KEGG富集背景文件， KEGG注释文件，KEGG pathway文件；
(4)下机数据处理步骤：
将下机得到的原始数据，通过Cutadapt、FastQC、Fastx-Toolkit、 NGS_QC_Toolkit软件去除接头，保留15-41nt长度的序列，然后过滤低质量序列，即：以5个碱基长度为窗口对原始序列进行搜索，当窗口中碱基的平均测序质量低于20时，将从窗口最前端开始的部分截断并舍弃。将过滤后的数据进行去重，获得无重复的序列，并标记所有序列的数量。同时对原始数据和过滤数据量进行统计，并以柱状图展示各个样本不同长度序列的数量分布特征。过滤序列用于后续分析；
(5)参考基因组比对步骤：
使用bowtie软件将上述去重后的序列与参考基因组序列做比对，筛选出碱基错配数小于2的结果，获得参考基因组的比对率；
(6)tRFs比对注释步骤：
使用bowtie软件将所述过滤后的数据合并去重之后与所述tRNA序列做比对，通过比对位置筛选出碱基错配数为0的结果，获得各样本的tRFs的鉴定注释结果，同时计算tRFs的表达量，并进行表达模式聚类分析；
(7)差异tRFs分析步骤：
根据所述注释到的tRFs信息以及表达量结果，使用DESeq或DESeq2进行差异表达分析，筛选同时满足差异倍数(差异倍数>2)和显著性(P值<0.05)的差异表达tRFs，统计并展示可视化结果；
(8)靶基因预测、富集分析步骤：
将所述差异tRFs与所述物种mRNA序列使用miRanda软件进行靶标预测，统计靶标结合位点信息，绘制结合位点示意图；
对上一步预测到的差异tRFs靶基因，利用上述整理好的GO、KEGG背景文件使用超几何分布检验计算方法进行GO功能和KEGG通路的富集分析，计算GO、 KEGG条目在差异tRFs靶基因中是否显著富集的P值，再对P值经Benjamini& Hochberg多重检验纠正后得到FDR；针对富集结果做柱状图和气泡图统计，获得差异tRFs可能参与的功能和代谢通路；
(9)网页版报告整理步骤：
根据所述结果一键化生成tRFs分析的网页版报告，网页版报告对整个分析结果做了汇总，并对每个分析步骤做了描述和对应的图表展示以及弹窗式帮助文档，网页报告设置了内部快捷链接和分析方法介绍/外部网站的链接，方便网页版内部快速跳转以及快速查阅网上资料。
本发明中，第(4)部分是数据自动化质控，(5)-(9)是后续数据分析。
在本发明的一个优选实施方式中，所述文件准备步骤当中config文件中包括：下机数据位置以及对应的样本分析名和分组名、用于差异分析的分组信息、差异倍数参数，生物学重复参数，参考基因组信息等。
在本发明的另一个优选实施方式中，所述tRFs比对注释步骤当中，所述tRFs 比对注释步骤当中tRFs的命名方式为“tRNA-转运氨基酸简称-反向密码子-tRNA 长度-5’或3’端”名称的命名方式，这种命名方式可以直观了解到tRFs来源的tRNA转运的氨基酸信息、长度信息，以及tRFs的来源。
在本发明的又一个优选实施方式中，所述tRFs差异分析步骤中，所述绘制图像包括采用R语言的ggplot2软件包绘制差异表达tRFs上下调统计柱状图、火山图；采用Pheatmap包对差异表达tRFs的表达量绘制热图。
在本发明的又一个优选实施方式中，所述靶基因预测、富集分析步骤中，使用python对靶标结合分值前10的关系对绘制结合位点示例图。
本发明的主要创新点在于：
针对无参考tRFs数据的tRFs测序数据的分析方法。
结果全面，包含涉及到的tRFs分析内容以及其靶基因预测，GO、KEGG富集分析以及对应的可视化展示。
自动整理所有分析结果，每一步分析完成之后自动对结果进行汇总统计，可视化，以及逻辑化归类整理，结果文件可直接用于生成网页版报告。
所有操作步骤可以溯源，方便错误查询，如果分析报错，会有对应的报错日志信息。
为了达到上述技术效果，本发明克服了物种没有对应tRFs数据库的情况下，使用公用数据库中该物种现有的参考基因组、基因组gff文件，结合tRFs的形成机制、序列长度等特性针对性的分析高通量测序中该物种tRFs的表达及差异表达情况,预测tRFs的靶基因，对预测到的靶基因做GO、KEGG富集分析，进而了解tRFs可能影响的生物学功能。
本发明在使用序列比对tRNA数据库时，根据tRFs的形成机制，即成熟的tRNA 序列在一定条件下5’端和3’端会被切割成特定长度(15-30nt)的tRFs，最大限度的挖掘高通量测序结果中存在tRFs信息；这个技术特征对于实现上文所述的技术效果是至关重要的。
附图说明
图1为本发明的流程示意图。
图2为准备文件示意图。
图3位本发明的PCA主成分分析图。
图4为本发明的差异tRFs汇总示意图。
图5为本发明的火山图示意图。
图6为本发明的热图示意图。
图7为本发明的靶标结合位点示例图。
图8为本发明的GO富集分析柱状图。
图9为本发明的KEGG富集分析气泡图。
具体实施方式
结合以下具体实施例和附图，对发明作进一步的详细说明。实施本发明的过程、条件、实验方法等，除以下专门提及的内容之外，均为本领域的普遍知识和公知常识，本发明没有特别限制内容。
本发明提供了一种基于参考基因组注释文件的高通量测序技术动物tRFs数据分析方法，包括如下步骤：
(1)文件准备步骤：
准备config文件，读取后用于进行数据自动化质控以及后续数据分析；
(2)tRNA数据库整理步骤：
使用bedtools软件，利用NCBI或者Ensembl数据库中物种现有的参考基因组序列文件、参考基因组gff注释文件获得物种的tRNA序列信息包括转运的氨基酸，长度，反向密码子以及碱基信息；
(3)GO、KEGG背景文件整理步骤：
使用参考基因组序列文件、参考基因组gff注释文件提取物种的mRNA序列；根据mRNA序列文件、KEGG数据库、SwissProt数据库，整理GO、KEGG背景文件，包括mRNA注释文件，GO富集背景文件，KEGG富集背景文件，KEGG注释文件， KEGG pathway文件；
(4)下机数据处理步骤：
将下机得到的原始数据，通过Cutadapt、FastQC、Fastx-Toolkit、 NGS_QC_Toolkit软件去除接头，保留15-41nt长度的序列，然后过滤低质量序列，即：以5个碱基长度为窗口对原始序列进行搜索，当窗口中碱基的平均测序质量低于20时，将从窗口最前端开始的部分截断并舍弃。将过滤后的数据进行去重，获得无重复的序列，并标记所有序列的数量。同时对原始数据和过滤数据量进行统计，并以柱状图展示各个样本不同长度序列的数量分布特征。过滤序列用于后续分析；
(5)参考基因组比对步骤：
使用bowtie软件将上述去重后的序列与参考基因组序列做比对，筛选出碱基错配数小于2的结果，获得参考基因组的比对率；
(6)tRFs比对注释步骤：
使用bowtie软件将过滤后的数据合并去重之后与tRNA序列做比对，通过比对位置筛选出碱基错配数为0的结果，获得各样本的tRFs的鉴定注释结果，同时计算tRFs的表达量，并进行表达模式聚类分析；
(7)差异tRFs分析步骤：
根据注释到的tRFs信息以及表达量结果，使用DESeq或DESeq2进行差异表达分析，筛选同时满足差异倍数(差异倍数>2)和显著性(P值<0.05)的差异表达 tRFs，统计并展示可视化结果；
(8)靶基因预测、富集分析步骤：
将差异tRFs与物种mRNA序列使用miRanda软件进行靶标预测，统计靶标结合位点信息，绘制结合位点示意图；
对上一步预测到的差异tRFs靶基因，利用上述整理好的GO、KEGG背景文件使用超几何分布检验计算方法进行GO功能和KEGG通路的富集分析，计算GO、 KEGG条目在差异tRFs靶基因中是否显著富集的P值，再对P值经Benjamini& Hochberg多重检验纠正后得到FDR；针对富集结果做柱状图和气泡图统计，获得差异tRFs可能参与的功能和代谢通路；
(9)网页版报告整理步骤：
根据结果一键化生成tRFs分析的网页版报告，网页版报告对整个分析结果做了汇总，并对每个分析步骤做了描述和对应的图表展示以及弹窗式帮助文档，网页报告设置了内部快捷链接和分析方法介绍/外部网站的链接，方便网页版内部快速跳转以及快速查阅网上资料。
实施例1
接受用户的小RNA测序数据，以及相关的数据库信息，同时整理该物种的 tRFs数据库以及GO、KEGG富集的背景文件，然后对所有的数据进行相关的分析，得到每个样本中tRFs的注释信息，并对tRFs进行定量分析，以及样本/组间差异表达分析，靶基因预测和GO、KEGG富集分析，文件准备如图2。
首先是对下机数据进行过滤和数量统计。对下机数据进行去除接头序列，并通过5bp的滑动窗口，对原始序列进行搜索，当窗口中碱基的平均测序质量低于 20时，将从窗口最前端开始的部分截断并舍弃过滤低质量序列。然后过滤掉长度小于15或者大于41nt的序列。然后对高质量数据的重复序列做去重处理，得到无冗余序列。并对原始数据和高质量数据进行数量统计。
同时使用bedtools根据参考基因组gff注释文件和参考基因组序列获得 tRNA序列，接着使用bowtie软件将所有样本高质量序列数据合并去重后与所述整理好的tRNA序列进行0碱基错配比对，reads能从tRNA序列的5’或者3’端开始完全匹配且长度在15-30范围内的认定为潜在的tRFs，对于比对上同一 tRNA的同一位置(5’或3’端)的reads，选取丰度最高的reads作为鉴定到的tRFs，根据获得的tRFs整理tRFs数据库。
接着根据参考mRNA序列文件整理GO、KEGG的背景文件，包括靶基因注释文件，GO背景文件，KEGG背景文件，KEGG注释文件，KEGG pathway文件。
接下来使用bowtie软件将样本无冗余序列与整理好的tRFs数据库比对，筛选出碱基错配数为0的结果汇总得到各样本的tRFs的种类和reads数，同时计算tRFs表达量，进行表达模式分析，使用R语言ggplot2绘制PCA主成分分析图(直观了解样本的聚类情况)，参见图3。
根据所述tRFs的表达量结果，使用DESeq或DESeq2进行差异表达分析，筛选同时满足差异倍数(FoldChange>2)和显著性(Pvalue<0.05)的差异表达tRFs，使用R语言的ggplot2软件包绘制差异表达tRFs的统计柱状图(直观了解各个差异比较组的差异数量)、火山图(直观了解差异tRFs的分布)，采用R语言的 Pheatmap包对差异表达tRFs的表达量绘制热图(直观了解差异tRFs的表达高低)，参见图4、5、6。
根据序列相似性及碱基互补配对，对筛选到的显著差异表达的tRFs进行靶基因预测。以本物种的mRNA序列为目标序列,使用miRanda软件对差异表达的 tRFs进行靶基因预测，使用python对靶标结合分值前10的关系对绘制结合位点示例图，参见图7。然后使用超几何检验计算靶基因富集到哪些GO功能和KEGG 代谢通路上，了解差异tRFs可能行使的功能，参见图8、9。
最终整理所有的分析结果，所有分析内容按类别排放在不用目录下。质控统计结果，序列长度分布图形放在质控目录；将参考基因组的比对注释结果放在参考基因组比对目录；将tRFs比对注释结果放在tRFs比对结果目录；将tRFs表达量以及PCA、样本聚类结果放在tRFs表达目录；将tRFs的差异表达相关的分析放在tRFs差异目录；将差异表达的tRFs对应的靶基因预测结果放在tRFs靶基因预测目录；将靶基因的GO富集分析结果放在GO富集目录；将靶基因的KEGG 通路富集分析结果放在KEGG富集目录。
根据上述目录使用python脚本一键化生成对应的网页化分析报告。
本发明的保护内容不局限于以上实施例。在不背离发明构思的精神和范围下，本领域技术人员能够想到的变化和优点都被包括在本发明中，并且以所附的权利要求书为保护范围。
SEQUENCE LISTING
<110> 基于参考基因组注释文件的高通量测序技术动物tRFs数据分析方法
<120> 上海欧易生物医学科技有限公司
<160> 3
<170> PatentIn version 3.3
<210> 1
<211> 12
<212> DNA
<213> 人工序列
<400> 1
cggggggctc tg 12
<210> 2
<211> 8
<212> DNA
<213> 人工序列
<400> 2
gcaggccc 8
<210> 3
<211> 21
<212> DNA
<213> 人工序列
<400> 3
cgcccccgag tctcgtccgg a 21
Claims (6)
1.一种基于参考基因组注释文件的高通量测序技术动物tRFs数据分析方法，其特征在于，包括如下步骤：
(1)文件准备步骤：
准备config文件，读取后用于进行数据自动化质控以及后续数据分析；
(2)tRNA数据库整理步骤：
利用NCBI或者Ensembl数据库中物种现有的参考基因组序列文件、参考基因组gff注释文件获得物种的tRNA序列信息包括转运的氨基酸，长度，反向密码子以及碱基信息；
(3)GO、KEGG背景文件整理步骤：
使用所述参考基因组序列文件、所述参考基因组gff注释文件提取物种的mRNA序列；根据所述mRNA序列文件、KEGG数据库、SwissProt数据库，整理GO、KEGG背景文件，包括mRNA注释文件，GO富集背景文件，KEGG富集背景文件，KEGG注释文件，KEGG pathway文件；
(4)下机数据质控步骤：
将下机得到的原始数据去除接头，保留15-41nt长度的序列，然后过滤低质量序列，即以5个碱基长度为窗口对原始序列进行搜索，当窗口中碱基的平均测序质量低于20时，将从窗口最前端开始的部分截断并舍弃；将过滤后的数据进行去重，获得无重复的序列，并标记所有序列的数量；同时对原始数据和过滤数据量进行统计，并以柱状图展示各个样本不同长度序列的数量分布特征；过滤序列用于后续分析；
(5)参考基因组比对步骤：
将上述去重后的序列与参考基因组序列做比对，筛选出碱基错配数小于2的结果，获得参考基因组的比对率；
(6)tRFs比对注释步骤：
将所述过滤后的数据合并去重之后与所述tRNA序列做比对，通过比对位置筛选出碱基错配数为0的结果，获得各样本的tRFs的鉴定注释结果，同时计算tRFs的表达量，并进行表达模式聚类分析；
(7)差异tRFs分析步骤：
根据所述注释到的tRFs信息以及表达量结果，使用DESeq或DESeq2进行差异表达分析，筛选同时满足差异倍数和显著性的差异表达tRFs，统计并展示可视化结果；
(8)靶基因预测、富集分析步骤：
将所述差异tRFs与所述物种mRNA序列进行靶标预测，统计靶标结合位点信息，绘制结合位点示意图；
对上一步预测到的差异tRFs靶基因，利用上述整理好的GO、KEGG背景文件使用超几何分布检验计算方法进行GO功能和KEGG通路的富集分析，计算GO、KEGG条目在差异tRFs靶基因中是否显著富集的P值，再对P值经Benjamini&Hochberg多重检验纠正后得到FDR；针对富集结果做柱状图和气泡图统计，获得差异tRFs可能参与的功能和代谢通路；
(9)网页版报告整理步骤：
根据结果一键化生成tRFs分析的网页版报告，网页版报告对整个分析结果做汇总，并对每个分析步骤做描述和对应的图表展示以及弹窗式帮助文档，网页报告设置内部快捷链接和分析方法介绍/外部网站的链接，实现网页版内部快速跳转以及快速查阅网上资料。
2.如权利要求1所述的基于参考基因组注释文件的高通量测序技术动物tRFs数据分析方法，其特征在于，所述文件准备步骤当中config文件中包括：下机数据位置以及对应的样本分析名和分组名、用于差异分析的分组信息、差异倍数参数，生物学重复参数，参考基因组信息。
3.如权利要求1所述的基于参考基因组注释文件的高通量测序技术动物tRFs数据分析方法，其特征在于，所述tRFs比对注释步骤当中tRFs的命名方式为“tRNA-转运氨基酸简称-反向密码子-tRNA长度-5’或3’端”名称的命名方式。
4.如权利要求1所述的基于参考基因组注释文件的高通量测序技术动物tRFs数据分析方法，其特征在于，所述差异tRFs分析步骤中，所述绘制图像包括采用R语言的ggplot2软件包绘制差异表达tRFs上下调统计柱状图、火山图；采用Pheatmap包对差异表达tRFs的表达量绘制热图。
5.如权利要求1所述的基于参考基因组注释文件的高通量测序技术动物tRFs数据分析方法，其特征在于，所述靶基因预测、富集分析步骤中，使用python对靶标结合分值前10的关系对绘制结合位点示例图。
6.如权利要求1所述的基于参考基因组注释文件的高通量测序技术动物tRFs数据分析方法，其特征在于，所述步骤(7)中，差异倍数>2，显著性P值<0.05。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010057500.4A CN111354418B (zh) | 2020-01-19 | 2020-01-19 | 基于参考基因组注释文件的高通量测序技术动物tRFs数据分析方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010057500.4A CN111354418B (zh) | 2020-01-19 | 2020-01-19 | 基于参考基因组注释文件的高通量测序技术动物tRFs数据分析方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111354418A true CN111354418A (zh) | 2020-06-30 |
| CN111354418B CN111354418B (zh) | 2023-02-10 |
Family
ID=71195898
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010057500.4A Active CN111354418B (zh) | 2020-01-19 | 2020-01-19 | 基于参考基因组注释文件的高通量测序技术动物tRFs数据分析方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111354418B (zh) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112420130A (zh) * | 2020-11-03 | 2021-02-26 | 上海美吉生物医药科技有限公司 | 基于kegg数据库的注释方法、装置、设备和介质 |
| CN112419024A (zh) * | 2020-11-20 | 2021-02-26 | 广州智慧金财税科技有限公司 | 一种会计信息及时性测定的方法及其系统 |
| CN112908407A (zh) * | 2021-02-02 | 2021-06-04 | 北京大学 | 一种用tRNA组学来质控蛋白生物合成体系的方法 |
| CN113096735A (zh) * | 2021-03-01 | 2021-07-09 | 重庆医科大学 | 从离体血清中分析hbv dna整合事件的系统及方法 |
| CN114333994A (zh) * | 2020-09-30 | 2022-04-12 | 天津现代创新中药科技有限公司 | 基于无参转录组测序来确定差异基因通路的方法及系统 |
| CN114566218A (zh) * | 2022-03-16 | 2022-05-31 | 皖南医学院第一附属医院（皖南医学院弋矶山医院） | 快速筛选人源hsa-miR-576-3p与启动子结合靶点的方法 |
| CN115775593A (zh) * | 2022-11-29 | 2023-03-10 | 杭州联川生物技术股份有限公司 | 一种m6A高通量测序数据的分析方法和系统 |
| CN118571320A (zh) * | 2024-07-17 | 2024-08-30 | 上海逆耳生物科技有限公司 | 高通量测序数据处理系统、装置及电子设备 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108504748A (zh) * | 2018-04-13 | 2018-09-07 | 湖北省农业科学院粮食作物研究所 | 筛选MicroRNAs在褐飞虱对水稻抗性适应性作用的方法 |
| CN109712669A (zh) * | 2018-12-05 | 2019-05-03 | 上海美吉生物医药科技有限公司 | 一种蛋白质功能注释方法及系统 |
| CN109859797A (zh) * | 2018-12-29 | 2019-06-07 | 南京派森诺基因科技有限公司 | 一种基于miRBase数据库的无参的miRNA数据分析方法 |
| CN110021347A (zh) * | 2018-09-30 | 2019-07-16 | 南京派森诺基因科技有限公司 | 一种基于miRBase数据库的动物有参的miRNA数据分析方法 |
| CN110373471A (zh) * | 2019-09-05 | 2019-10-25 | 贵州医科大学附属医院 | 血浆外泌体tRFs标志物及其在乳腺癌诊断中的应用 |
-
2020
- 2020-01-19 CN CN202010057500.4A patent/CN111354418B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108504748A (zh) * | 2018-04-13 | 2018-09-07 | 湖北省农业科学院粮食作物研究所 | 筛选MicroRNAs在褐飞虱对水稻抗性适应性作用的方法 |
| CN110021347A (zh) * | 2018-09-30 | 2019-07-16 | 南京派森诺基因科技有限公司 | 一种基于miRBase数据库的动物有参的miRNA数据分析方法 |
| CN110021352A (zh) * | 2018-09-30 | 2019-07-16 | 南京派森诺基因科技有限公司 | 一种基于miRBase数据库的植物有参的miRNA数据分析方法 |
| CN109712669A (zh) * | 2018-12-05 | 2019-05-03 | 上海美吉生物医药科技有限公司 | 一种蛋白质功能注释方法及系统 |
| CN109859797A (zh) * | 2018-12-29 | 2019-06-07 | 南京派森诺基因科技有限公司 | 一种基于miRBase数据库的无参的miRNA数据分析方法 |
| CN110373471A (zh) * | 2019-09-05 | 2019-10-25 | 贵州医科大学附属医院 | 血浆外泌体tRFs标志物及其在乳腺癌诊断中的应用 |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114333994A (zh) * | 2020-09-30 | 2022-04-12 | 天津现代创新中药科技有限公司 | 基于无参转录组测序来确定差异基因通路的方法及系统 |
| CN112420130A (zh) * | 2020-11-03 | 2021-02-26 | 上海美吉生物医药科技有限公司 | 基于kegg数据库的注释方法、装置、设备和介质 |
| CN112419024A (zh) * | 2020-11-20 | 2021-02-26 | 广州智慧金财税科技有限公司 | 一种会计信息及时性测定的方法及其系统 |
| CN112419024B (zh) * | 2020-11-20 | 2021-09-10 | 广州智慧金财税科技有限公司 | 一种会计信息及时性测定的方法及其系统 |
| GB2613760A (en) * | 2021-02-02 | 2023-06-21 | Univ Beijing | Method for performimg quality control on protein biosynthesis system by tRNA proteomics |
| CN112908407A (zh) * | 2021-02-02 | 2021-06-04 | 北京大学 | 一种用tRNA组学来质控蛋白生物合成体系的方法 |
| GB2613760B (en) * | 2021-02-02 | 2024-02-14 | Univ Beijing | Method for performimg quality control on protein biosynthesis system by tRNA omics |
| CN113096735A (zh) * | 2021-03-01 | 2021-07-09 | 重庆医科大学 | 从离体血清中分析hbv dna整合事件的系统及方法 |
| CN114566218B (zh) * | 2022-03-16 | 2022-10-25 | 皖南医学院第一附属医院（皖南医学院弋矶山医院） | 快速筛选人源hsa-miR-576-3p与启动子结合靶点的方法 |
| CN114566218A (zh) * | 2022-03-16 | 2022-05-31 | 皖南医学院第一附属医院（皖南医学院弋矶山医院） | 快速筛选人源hsa-miR-576-3p与启动子结合靶点的方法 |
| CN115775593A (zh) * | 2022-11-29 | 2023-03-10 | 杭州联川生物技术股份有限公司 | 一种m6A高通量测序数据的分析方法和系统 |
| CN118571320A (zh) * | 2024-07-17 | 2024-08-30 | 上海逆耳生物科技有限公司 | 高通量测序数据处理系统、装置及电子设备 |
| CN118571320B (zh) * | 2024-07-17 | 2025-04-25 | 上海逆耳生物科技有限公司 | 高通量测序数据处理系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111354418B (zh) | 2023-02-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111354418B (zh) | 基于参考基因组注释文件的高通量测序技术动物tRFs数据分析方法 | |
| Baril et al. | Earl Grey: a fully automated user-friendly transposable element annotation and analysis pipeline | |
| CN111933218B (zh) | 一种优化的宏基因组binning分析微生物群落的方法 | |
| CN113066532B (zh) | 基于高通量测序技术的宿主中病毒来源sRNA数据分析方法 | |
| DeHaven et al. | Software techniques for enabling high-throughput analysis of metabolomic datasets | |
| CN110021347B (zh) | 一种基于miRBase数据库的动物有参的miRNA数据分析方法 | |
| Dündar et al. | Introduction to differential gene expression analysis using RNA-seq | |
| Nip et al. | Reference-free assembly of long-read transcriptome sequencing data with RNA-Bloom2 | |
| CN109559780A (zh) | 一种高通量测序的rna数据处理方法 | |
| CN113621716B (zh) | 结核分枝杆菌多线耐药基因鉴定的方法和装置 | |
| CN110993023A (zh) | 复杂突变的检测方法及检测装置 | |
| CN117912551A (zh) | 一种构建多物种细胞-整合基因表达谱的方法、系统、设备和介质 | |
| CN105528532B (zh) | 一种rna编辑位点的特征分析方法 | |
| CN112967756B (zh) | 基于snakemake语言快速批量可自动邮件反馈结果的高通量测序质控分析方法 | |
| CN109859797B (zh) | 一种基于miRBase数据库的无参的miRNA数据分析方法 | |
| CN111192630A (zh) | 一种宏基因组数据挖掘方法 | |
| CN105426700A (zh) | 一种批量计算基因组直系同源基因进化速率的方法 | |
| CN108103204B (zh) | 基于多重PCR及二代测序的Rh血型分型方法及装置 | |
| CN116312779A (zh) | 检测样本污染和识别样本错配的方法和装置 | |
| CN109338011B (zh) | 一种高通量筛选植物基因组差异等位表达的基因的方法 | |
| CN112750501B (zh) | 一种宏病毒组流程的优化分析方法 | |
| JP7649822B2 (ja) | ナノポア及びハイスループット配列決定データに基づくファージ同定及び宿主予測方法 | |
| CN110970093B (zh) | 一种筛选引物设计模板的方法、装置及应用 | |
| CN114420207B (zh) | 一种基因多序列比对方法、设备和系统 | |
| CN117561573A (zh) | 从碱基判读错误模式自动鉴定核苷酸测序中的故障来源 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| CB03 | Change of inventor or designer information | ||
| CB03 | Change of inventor or designer information |
Inventor after: Xu Tiansheng Inventor after: Xiao Yunping Inventor after: Wang Shuwei Inventor after: Shi Xianjun Inventor after: Lin Bo Inventor after: Liu Yuchuan Inventor before: Wang Shuwei Inventor before: Xiao Yunping Inventor before: Shi Xianjun Inventor before: Lin Bo Inventor before: Xu Tiansheng |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |