百迈客生物信息学培训_第1页
百迈客生物信息学培训_第2页
百迈客生物信息学培训_第3页
百迈客生物信息学培训_第4页
百迈客生物信息学培训_第5页
已阅读5页,还剩51页未读, 继续免费阅读

付费下载

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

Digital

Gene

Expression

Profiling数字基因表达谱百迈客生物科技有限公司Digital

Gene

Expression

Profiling数字基因表达谱基因的选择性表达么?还是表达量的高低?相同基因组,不同组织,不同功能?数字基因表达谱!!!!帮你提供研究和分析方案Digital

Gene

Expression

Profiling数字基因表达谱数字基因表达谱什么是数字基因表达谱?Digital

Gene

Expression

Profiling

(DGEP)DGEP分析内容是对某一物种特定细胞、特定组织、特定时期或者经过特殊处理状态下成熟的mRNA进行高通量测序,研究基因的选择性表达状况和表达丰度的差异。数字基因表达谱已被广泛应用于基础科学研究、医学研究和药物研发等领域。数字基因表达谱数字基因表达谱研究的基础参考基因前人做过的EST标签前人做过的转录组测序物种已经有基因组高通量测序的readsSolexa测序通量高,reads短是表达谱分析的先天优势数字基因表达谱DGE

发展和背景DGE

分析第一代和第二代内容大纲DGE现状信息流程和内容信息分析基因表达量的定量分析差异基因筛选DGE分析聚类软件,功能注释DGE分析软件数字基因表达谱DGE

发展和背景DGE

分析第一代和第二代内容大纲DGE现状信息流程和内容信息分析基因表达量差异基因筛选DGE分析聚类软件功能注释DGE分析软件DGE

发展和背景数字基因表达谱发展qPCR根据PCR产物多少确定表达丰度基因芯片根据杂交信号强弱识别表达丰度2005年以后高通量测序(数字基因表达谱)测序得到真实序列,通过序列比对,然后标准化比对结果得到表达丰度DGE发展DGE

发展和背景DGE现状QPCRGene

chip①准确度高Solexasequence高通量DGE优势②可重复性好③灵敏度高④发现新基因序列⑤成本低Solexa高通量测序文库扩增低通量B高通量ASanger测序测序并行测序高通量无需建立文库,两端加测序接头PCR扩增Solexa的特点与主要应用读长较短:70-150bp单端reads通量高:Hi-seq2500

120G/天,400~800G/Run主要应用:RNA测序、表观遗传学研究、全基因组重测序、全基因组denovo测序等数字基因表达谱优势在哪里?技术特点数字基因表达谱数据准确性测序得到是序列信息,测序结果多少即是对应基因的表达值;用数字信号代替了模拟信号,增加了数据的可信度数据通量高通量,一次测序可产生400G的双端read,成本低检测范围精确定量从2个到几十万个拷贝的转录本重复性重复性好,重复实验的相关性高达99%测序结果还可以用于其他分析,甚至发现新基因等与芯片比较可准确检测低丰度基因转录本,灵敏度高可同时检测反义链转录本,无交叉杂交和背景噪音信号干扰兼容性与芯片数据格式相同,可兼容芯片的数据分析软件,兼容性好重复性好通过对标准品UHRR和HBRR的重复性研究,表明两个样本的技术重复性相关性系数spearman

R

>0.99,证明技术重复性极好(0.2-0.4弱正相关,0.4-0.6算是中等相关,0.6-0.8达到强正相关)如图:DGE的实验原理①

利用OligodT的

beads富集总RNA中mRNA,并逆转录为双链cDNA② 识别酶NlaIII酶切双链cDNA,链接adapter1③ 利用MmeI酶切3’端CATG下游17bp碱基,并在3’

端链接adapter2④ PCR扩增、纯化⑤

Illumina基因表达测序表达谱第一版DGE

实验流程V1如图:DGE的实验原理采用了转录组的建库方法① 通过多聚T提取mRNA②

随机打碎③

片段加接头④ PCR扩增⑤

Solexa上机测序表达谱第二版DGE

实验流程V2数字基因表达谱两版比较分析DGEIDGE

II准确度17bp标签,更容易受到重复序列影响单端50bp以上的reads,序列较长,减少了重复序列影响测序方法酶切得到标签进行测序,受到酶切限制全长mRNA随机打断测序,不受任何限制测序结果17bp标签全长的mRNA序列建库成本需要酶切,复杂,成本高随机打断,成本低后续使用酶切特异性强,后续的序列应用不广泛全长mRNA都测序,得到序列多,应用更方便数字基因表达谱DGE

发展和背景DGE的优势内容大纲DGE现状信息流程和内容信息分析基因表达量差异基因筛选DGE分析聚类软件,功能注释DGE分析软件信息分析流程数据评估第一列:样品编号第二列:测序的总read数第三列:测序的碱基数每四列:GC含量第五列:Q30百分比BMK-IDTotal

readsTotalnucleotides(bp)GC

percentageQ30

percentageE112,991,1391,312,105,03943.0187.25E213,969,1171,410,880,81742.387.49E312,286,1671,240,902,86743.6586.88测序质量分布图注:横坐标为reads的碱基位置,纵坐标为单碱基的质量值。前100bp为双端测序序列的第一端测序Reads的质量值分布情况,后100bp为另一端测序reads

的质量值分布情况。碱基分布图注:横坐标为reads的碱基位置,纵坐标为碱基所占的比例;不同颜色代表不同的碱基类型。前100bp为双端测序序列的第一端测序Reads的碱基分布情况,后100bp为另一端测序reads的碱基分布情况,N碱基为测序中识别不出的碱基类型。参考序列比对基因组:Tophat转录本:Bowtie比对效率在一定程度上能反映测序水平的高低或者所选参考基因组的优劣,以及后期分析水平的可靠程度。比对结果注:Total

reads:所有reads的数目;Mapped

reads:比对上参考基因组的reads数量;Unique

mapped

reads:比对位置唯一的

reads数量;Multiple

mapped

reads:比对位置多于1个的reads数量。StatisticalcontentE1E1E2E2Statistical

contentNumberPercentNumberPercentTotal

reads12,991,139100%13,969,117100%Mapped

reads11,902,05191.62%12,846,90391.97%Uniquely

mappedreads11,529,58296.87%12,473,96697.10%Multiple

mappedreads372,4693.13%372,9372.90%参考基因组上的密度分布图•横坐标:染色体位置纵坐标:read深度值基因组区域分布图注:图中X轴表示不同样品,Y轴表示比对reads所占的百分比;每根直方柱中的不同颜色区域代表比对到该区域reads数所占的百分比,从下到上依次为外显子区域、内含子区域和基因间区。随机性检验测序随机性检验是通过比对到参考基因序列上的reads在基因的分布情况进行评估的。如果比对到基因序列上的reads比较均匀的分布在整个基因上,则可以认为测序随机性比较可靠。在实际操作中,我们通过随机性分布图来评估整体的测序随机性,它先通过对不同长度的参考基因进行均一化处理,再对每个相对位置上的比对情况进行平均。在随机性分布图上,曲线越平坦,则说明测序随机性越好。由于我们是采用

Oligo(T)进行mRNA的捕获,会倾向于测到更多的3’端序列,因此在部分情况下会出现3’端测序覆盖比例偏高的情况。随机性分布图注:横坐标表示标准化后的基因位置,纵坐标表示对应位置的read所占的比例。测序饱和度检验测序饱和度表示的是测序量与检测到的表达基因(一般采用RPKM>=0.1作为衡量基因是否表达的标准)数量之间的关系,当测序reads数量较少时,能够检测到的基因数目会很少,当随着测序量的增加,检测到的表达基因数量也会越多,表达基因的信息也就越准确,当测序量达到一定标准时,检测到的表达基因数量就会逐渐趋近饱和测序饱和度图注:横坐标表示测序得到的reads数(M为单位),纵坐标表示检测到的表达基因的数量(K为单位)。RPKM>=0.1的基因定义为表达的基因。数字基因表达谱DGE

发展和背景DGE的优势内容大纲DGE现状信息流程和内容信息分析基因表达量差异基因筛选DGE分析聚类软件,功能注释DGE分析软件基因表达量通过测序得到的序列定位到参考序列参考序列基本原则:数据库尽量包括该物种的所有基因基因长度越接近真实长度越好冗余信息少优先级:cDNA>CDS>EST基因表达量基因组:Tophat软件将各样品测序得到的reads与参考基因组进行比对,cufflinks用于从Tophat的比对结果中估计基因表达量转录本:Bowtie进行比对,而RSEM用于从bowtie的比对结果中估计表达量利用RPKM值来反映对应基因的表达丰度表达量的标准化表达量分析中涉及到的非标准化因素Exon长度影响比对结果中的reads个数;测序量大小影响比对结果中的reads个数;基因上测序reads个数的多少代表了基因的表达丰度;因此必须对每个基因的reads支持个数进行标准化,才能表示表达量的高低RPKM:目前文章中使用最多的标准化算法ReadsPerKilobaseofexonmodelperMillionmappedreads比对上某基因的每百万reads中每千碱基长度的reads数。RPKM的计算公式是:设RPKM(A)为基因A的表达量,则C为比对到基因A的reads数,N为比对到参考基因的总reads数,L为基因A编码区的碱基数。RPKM法能消除基因长度和测序量差异对计算基因表达的影响,计算得到的基因表达量可直接用于比较不同样品间的基因表达差异。C(N

/106

)*(L

/103

)RPKM

=表达量的标准化表达量文件格式介绍注:GeneID:基因ID号;Length:基因长度;RPKM:基因表达丰度值;Replicate:是否有生物学重复,0为无生物学重复。Internal_scaled_frags:样品内标准化的片段数;

External_scaled_frags生物学重复样品间标准化的片段数;Count:比对到基因上的片段数。#Gene_IDLengthRPKMReplicateInternal_scaled_fragsExternal_scaled_fragsCountSPAC1002.0154018.6136072.335872.335872SPAC1002.0299343.59210402.87402.87401SPAC1002.03c3227111.64303980.483980.483962RPKM密度分布图注:图中横坐标表示样品表达量RPKM的对数值;纵坐标表示对应的密度值。该图从表达量的总体分布角度来衡量各样品之间的差异。RPKM密度分布图注:图中横坐标为样品名;纵坐标表示样品表达量RPKM的对数值。该图从表达量的总体的离散角度来衡量各样品之间的差异。差异基因筛选差异表达基因的检测:DESeq

适应于有生物学重复样品的差异分析下载网址:文章:Simon

Anders

and

Wolfgang

Huber.Dierential

expression

analysis

for

sequence

countdata.

Genome

Biology,11:R106,

2010.EBSeq

适应于无生物学重复样品的差异分析差异基因筛选差异基因的标准:基因的最高表达量达到最低表达量的2倍以上;FDR值,假阳性的概率1%以内;(DESeq

负二项分布negative

binomial

(NB)

distribution,

计算p值,

multipletesting

with

the

Benjamini-Hochberg

procedure 计算FDR)(EBSeq

贝叶斯模型,Bayesmodel,Q检验)差异基因筛选对差异检验的p

value作多重假设检验校正,通过控制FDR(FalseDiscoveryRate)来决定PValue的域值。假设挑选了R个差异表达基因,其中S个是真正有差异表达的基因,另外V个是其实没有差异表达的基因,为假阳性结果。希望错误比例Q=V/R平均而言不能超过某个可以容忍的值(比如1%),则在统计时预先设定FDR不能超过0.01(Benjamini

andYekutieli

2001)。差异表达基因列表第一列:基因ID第二列:FDR较正值第三列:表达量比值对数值

第四列:差异基因的调控状态#IDFDRlog2FCregulatedBrachypodium_newGene_10441.66E-05-2.109963downBrachypodium_newGene_10480.005040665-0.634363downBrachypodium_newGene_10581.68E-09-1.49873down差异基因注:该图反映的是基因在两个样品或分组中的RPKM对数值的散点图,每个点代表一个基因分别在两个样品或分组中RPKM的对数值,越偏离对角线的点,越是说明该基因在对应样品中相对高表达。另外,偏离对角线的点越多,说明样品表达量的相关性越低,基因间的表达量差异越大;偏离对角线的点越少,则说明样品间表达量的相关性越高,基因间的表达量差异越小。差异基因注:火山图中X轴为log2(FC),表示表达量差异倍数的对数值,这里FC为Fold

Change。Y轴为-log10(FDR),表示FDR(False

discovery

rate,即错误发现率)的负对数值。对于X轴来说,偏离0越远,说明表达量在样品或分组间的倍数差异越大;对于Y轴来说,值越大,表明假阳性率越小,筛选得到的差异基因越可靠。图中绿色的点代表差异表达基因,红色的点代表无表达差异的基因。差异基因差异基因的分布图横坐标表示两个样品的CPM对数值的平均值,纵坐标表示的两个样品表达量差异倍数的对数值,用来突出差异表达的基因,绿色的点代表差异表达基因,红色的点代表无显著差异表达基因生物学重复样品相关性分析样品T1和T2

RPKM对数的散点图,图中点越集中在对角线上,说明两个样品一致性高,相关性越高。R2=0.98差异基因维恩图数字基因表达谱DGE

发展和背景DGE的优势内容大纲DGE现状信息流程和方法信息分析基因表达量差异基因筛选DGE分析聚类软件,功能注释DGE分析软件差异基因聚类软件对筛选出的差异表达基因做表达模式聚类分析,将具有相同或相似表达行为的基因进行聚类Cluster根据基因表达量进

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论