中医药mrna mirna大鼠23samples测序项目结题报告

目目 已知miRNA表达谱构 新miRNA预 靶预 靶GO功能分 靶KEGGpathway功能分 附录1结果文件存放信 附录2分析软件说 miRNA深度数据需要处理3端的接头，5‘接头的污染等问题，质量控制主要包括：去除低质量的read，高质量read的3接头，5接头，ployA片段等。此处用到FastQC和Cutadapt1.trim3trimGC4trimGC5trimreads 在相关实验不存在污染且所使用参考组与物种一致的情况下，cleanreads在参考序列上的定位百分比（map比率）会高于60%，下面是部分样本的对比结果。Total TooTotal TooShortReadsmaptowith>=5xs-97379667s-113862145s-115663239s-10873s-90098943s-112192744s-104422927s-107802722s-91119058s-91609106s-11563s-87938622%s-96419580s-99539903s-96329575s-85398491s-93669307s-11s-114972214s-10257%s-88468794s-10331s-109202053s-10s-793778261159s-75187461s-108533281s-106373405s-2106s-80147951s-104122885s-94269305表头说明：Readswithadapters：含有接头的序列TooShortAfterTrimming(<17bpsTrimReadssenttoAligner：trimcleanreadsmapratio：mapPrecursormiRNAReadsmiRNAMaturemiRNAReadsmiRNAKnownmiRNAwith>=5xcoverage：已知miRNA覆盖度大于5x的序列数 已知miRNA统计miRNA表达丰度的方法，是根据read在组上的map位置来来统计，对map到物种已知miRNA的发卡序列区域的readreadmiRNA成熟序miRDeep22miRNA（s-11-s-18Mature20022100以Sample-s-11为例，miRNA二级结构以及 新miRNA

图7.miRNA二级结构以及 readmiRNAmiRDeep2As-s-te181-80121-1-111-01111-11111-3-297 00 1表头说明：Chr：Start：miRNA序列在 Stop：miRNA序列在 s-11_ReadCountreads根据miRBase数据库的分类标准对已知的miRNA进行注释，根据序列对新miRNA进行分析，若新miRNA与miRBase中的已知miRNA有相同的区域，那么该miRNA和miRNA中已知miRNA属于同一个。表4.已知miRNA的miRNA分析结果(样本sample-s-11的部分结果FamilyFamilymir-2mir-mir-mir-mir-0mir-0mir-0mir-mir-mir--FamilyName:根据miRBase数据库的分类标准得到的的名Familyread_count：在这个中miRNA的readsprovisional miRNAwiththeFamily表provisional miRNAwiththeFamily provisionalidmiRNAexamplemiRbasemiRNAwiththesameseed：与新miRNA具有相同区域的已miRNAFamily start：新miRNA end:新miRNA 表6.新miRNA的miRNA分析结果（为主provisionalmir- mir-0 mir- mir- count_num/SR-1：样本SR-1中在中miRNA的readsprovisionalid：新miRNA的名称新miRNAstart：新miRNA在 end:新miRNA在 结果路径： S\2-miRNA的区域的碱基变化，能够很大程度上改变miRNA的靶，由于前面的步骤要求在miRNA的mismatch，所以进行miRNAread进行重新匹配。该流程采取的方式是对该物种的发卡序列建立bowtieindex，把所有的read匹配到发卡序列上，从匹配结果中筛选在已知miRNA的成熟序列所在区域的所有SNP。注：表格均为部分结果展示，完整的表格请参看结果文件。表1展示的是样本SR-1的部分结果s-11s-11s-111AT0441TA0111TC0/1TA0/1TCrno-mir-3556b-10331CTrno-mir-3556b-10291ATrno-mir-3556b-10211GArno-mir-3556b-10191ATrno-mir-3556b-1010GArno-mir-3556b-10002Alt：编辑后的碱基Precursor_miRNA：发卡miRNA名称：该变异位点属于的成熟SeedRegion：该变异位点是否位于成熟miRNA的区域,0表示不在区域内，1：样本 上的表达值，本流程中选取最大值作为该miRNA的表达值丰度。结果文件描述如下：S*XvsS*X.txt:组间两两比较的文件;图8.两组样本火山图(S1XvsS2X为例)。红色点为P-value0.05miRNA。 miRNA靶预测分为两个部分，已知miRNA靶以及新miRNA靶预测。已知miRNA的靶预测。本流程采取的方式是从思个数据库分别是miRanda、miRDB、Targetscan和miRTarBase靶数据，进行靶预测。5-TargetGene_predition/predict.xls和5-TargetGene_predition/miRNA：miRNA的名称target_gene：预测的target名表9.已知miRNA被验证的靶结miRTarBaseWestern nblotWesternWesternCNextMTIWesternWestern nFunctional nFunctionalWesternmiRTarBaseID：miRTarBaseIDmiRNA：miRNA的名称targetgene：预测的target名SupportType：支持的类型References：文献的ID 靶GO功能分GO功能分析是针对全/转录本和差异/转录本进行功能注释和归类，如果从全基因/转录本筛选到差异/转录本列表，可以对差异/转录本列表进行GO功能富积分析，GO功能富积分析的方法：将全部/转录本作为背景列表，差异/转录本列表作为从背景列表中筛选出来的候选列表，利用FisherGO/转录本列表中是否显著富积的PPBenjamini&Hochberg多重检验纠正。表10.GO功能富积分析结果文件(biological_process分类)GOIDGeneOntologyDescriptionGeneOntologyBgRation：所有（bg）中与该Term相关的数与所有（bg）的比值pvalue:富集分析统计学显著水平，一般情况下，P-value<0.05该功能为富集项p.adjust矫正后的P-Valueqvaluepq 中与该Term相关 图9.显著富集GO树状图，每个GO分类下显示显著富积程度前10个颜色越深富集程度越高，每个节点中显示GO名称及的p-value靶KEGGpathway功能分KEGGpathway功能分析是针对全/转录本和差异/转录本进行KEGG数据库PathwayKEGGpathwayGOIDKEGGDescriptionGeneOntologyGeneRatio：差异中与该ID相关的数与整个该Term的总 BgRation：所有（bg）中与该ID相关的数与所有（bg） pvalue:富集分析统计学显著水平，一般情况下，P-value<0.05该功能为富集项p.adjust矫正后的P-Valueqvaluepq10.显著富集KEGGpathway横坐标代表Richfactor（差异表达miRNA靶属于这个KEGGpathway的总数与所有属于这个KEGGpathway的总数的比值），Richfactor越大，表示富集的程度越大，纵坐标代表-log10（Pvalue。根据Richfactor的排序信息，显示最前面20条KEGG 11-qc││：│││──fastqc_posttrimsample_name：trim││：│││──other_rna：*_gencode_counts.txt2-mirdeep2microRNAmicroRNA ：新 │──mature_miRNA_expression.xlsmicroRNA │──mature_family.xls：已知miRNA的miRNA分析结 │──novel_family.xls：新miRNA的miRNA分析结 :样本 ：包含 │──result*.bedmiRNAsbed │──pdf*：样本miRNA二级结构以及map示意 文件 │──predict.xls:已知miRNA靶预测结 │──validated.xls:已知miRNA被验证的靶结 ponent分类 │──KEGG_enrient_significant.xls:KEGGpathway功能分析结果文 │──GO_tree_BP.pdfGObiological_process │──GO_tree_CC.pdf:显著富集GO树状图 │──GO_tree_MF.pdf:显著富集GOMolecular_Function │──GO_tree_BP.png:显著富集GObiological_process │──GO_tree_CC.png:显著富集GO树状图 │──GO_tree_MF.png:显著富集GOMolecular_Function │──KEGG_enrich.pdf:显著富集KEGGpathway │──KEGG_enrich.png:显著富集KEGGpathway2Command

及microRNA的定量 BAMbasecall1FastQC：无意义的序列的软件。Cutadapt通过一种容错的方式找到接头或引物序列，也可以以各种M.Martin,“adapremovesadaptersequencesfromhighthroughputsequencingad”EMBnet.J.,vol.17,no.1,pp.10-12,2011.Cutadapt：miRDeep2是一个通过分析数据识microRNA的工具，它可以以高准确已知的和新的microRNA。既可以定量样本的microRNA表达谱数据，也可以对Illumina的Friedländer,M.R.,Chen,W.,Adamidi,C.,Maaskola,J.,Einspanier,R.,Knespel,S.,N.'DiscoveringmicroRNAsfromdeepsequencingdatausingmiRDeep',NatureBiotechnology,26,407-415(2008)miRDeep2：352.5组上去。它最长能1024个碱基的片段。详细信息请参考以下文献：LangmeadB,TrapnellC,PopM,SalzbergSL.Ultrafasta