转录组RNAseq术语解释.docx

《转录组RNAseq术语解释.docx》由会员分享，可在线阅读，更多相关《转录组RNAseq术语解释.docx（6页珍藏版）》请在沃文网上搜索。

1、RNA-Seq名词解释1.index测序的标签，用于测定混合样本，通过每个样本添加的不同标签进行数据区分，鉴别测序样品。2.碱基质量值（Quality Score或Q-score）是碱基识别（Base Calling）出错的概率的整数映射。碱基质量值越高表明碱基识别越可靠，碱基测错的可能性越小。3.Q30碱基质量值为Q30代表碱基的精确度在99.9%。4.FPKM（Fragments Per Kilobase of transcript per Million fragments mapped）每1百万个map上的reads中map到外显子的每1K个碱基上的fragment个数。计算公式为公式

2、中，cDNA Fragments 表示比对到某一转录本上的片段数目，即双端Reads数目；Mapped Reads(Millions)表示Mapped Reads总数，以10为单位；Transcript Length(kb)：转录本长度，以kb个碱基为单位。5.FC（Fold Change）即差异表达倍数。6.FDR（False Discovery Rate）即错误发现率，定义为在多重假设检验过程中，错误拒绝(拒绝真的原(零)假设)的个数占所有被拒绝的原假设个数的比例的期望值。通过控制FDR来决定P值的阈值。7.P值（P-value）即概率，反映某一事件发生的可能性大小。统计学根据显著性检验方

3、法所得到的P 值，一般以P0.05为显著，P0.01为非常显著，其含义是样本间的差异由抽样误差所致的概率小于0.05或0.01。8.可变剪接（Alternative splicing）有些基因的一个mRNA前体通过不同的剪接方式（选择不同的剪接位点）产生不同的mRNA剪接异构体，这一过程称为可变剪接(或选择性剪接，alternative splicing)。可变剪接是调节基因表达和产生蛋白质组多样性的重要机制，是导致真核生物基因和蛋白质数量较大差异的重要原因。在生物体内，主要存在7种可变剪接类型：A）Exon skipping；B）Intron retention；C) Alternative

4、 5 splice site；D) Alternative 3 splice site；E) Alternative first exon；F) Alternativelast exon；G) Mutually exclusive exon。9.外显子跳跃（Exon skipping）外显子在前体mRNA剪接形成成熟mRNA过程中被跳过，最终没有出现在某些成熟mRNA上，这种剪接机制被称为外显子跳跃。10. 内含子保留（Intron retention）前体mRNA在剪接形成成熟mRNA的过程中，部分内含子被保留下来，这种剪接机制被称为内含子保留。11. 5或3端可变剪接前体mRNA在剪接形成

5、成熟mRNA的过程中，5端或3端边界发生不同方式的剪接，这种剪接机制被称为5或3端可变剪接。12.基因结构优化由于使用的软件或数据本身的局限性，导致所选参考基因组的注释往往不够精确，需要对原有注释的基因结构进行修正，这一过程称为基因结构优化。13. 基因间区(intergenic)指基因与基因之间的间隔序列，不属于基因结构，不直接决定氨基酸，可能通过转录后调控影响性状的区域。14. UTR:(UntranslateRegions)非翻译区域。是信使 RNA（mRNA）分子两端的非编码片段。5-UTR从mRNA起点的甲基化鸟嘌呤核苷酸帽延伸至 AUG 起始密码子，3-UTR从编码区末端的终止密码

6、子延伸至多聚 A 尾巴（Poly-A）的前端。15. ORF（open reading frame）开放阅读框或开放读码框。是结构基因的正常核苷酸序列，从起始密码子到终止密码子的阅读框可编码完整的多肽链，其间不存在使翻译中断的终止密码子。16. CDS（Coding sequence）是编码一段蛋白产物的序列，是结构基因组学术语。DNA转录成mRNA，mRNA经剪接等加工后翻译出蛋白质，所谓CDS就是与蛋白质序列一一对应的DNA序列，且该序列中间不含其它非该蛋白质对应的序列，不考虑mRNA加工等过程中的序列变化，总之，就是与蛋白质的密码子完全对应。17. 插入片段大小（insert size）

7、通过检测双端序列在基因组上的起止位置，可以得到插入片段的实际长度，决定了测序的长度，是信息分析的重要参数。18. 分子标记是遗传标记的一种，直接在DNA分子上检测遗传变异。分子标记能对不同发育时期的个体、组织器官甚至细胞作检测，数量极多，遍及整个基因组，多态性高，遗传稳定，不受环境及基因表达与否的影响。目前常见分子标记主要有SNP、InDel、SSR 等。19. SNP（Single Nucleotide Polymorphism）即单核苷酸多态性，主要是指在基因组水平上由单个核苷酸的变异所引起的DNA序列多态性。SNP所表现的多态性只涉及到单个碱基的变异，这种变异可由单个碱基的转换(tran

8、sition)或颠换(transversion)所引起，也可由碱基的插入或缺失所致。但通常所说的SNP并不包括后两种情况。20. SSR（Simple Sequence Repeat，SSR）即简单重复序列，又叫微卫星序列，指的是基因组中由1-6个核苷酸组成的基本单位重复多次构成的一段DNA，广泛分布于基因组的不同位置，长度一般在200bp以下。21. 转换(transition)同类型（嘌呤和嘌呤，或嘧啶和嘧啶）碱基之间的相互替换称为转换。22. 颠换(transversion)不同类型（嘌呤和嘧啶）碱基之间的相互替换称为颠换。23. RNA编辑（RNA editing）是指在mRNA水平上

9、改变遗传信息的过程。具体来说，指基因转录产生的mRNA分子中，由于核苷酸的缺失，插入或置换，基因转录物的序列不与编码序列互补，使翻译生成的蛋白质的氨基酸组成，不同于基因序列中的编码信息现象。24. 差异表达转录本（DifferentiallyExpressed Transcript，DET）指表达水平存在显著差异的转录本。25. 差异表达基因（Differentially Expressed Gene，DEG）指在两个不同条件（如对照与处理、野生型和突变型、不同时间点、不同组织等）下，表达水平存在显著差异的基因，称之为差异表达基因。26. 生物学重复（Biological Replicates

10、）可以定义为使用来自不同抽提的RNA样本进行杂交，例如，同一来源独立制备的样本，或者不同来源的样本（不同组织或者一个细胞系的不同培养物）。27. 技术重复使用同一个抽提的RNA进行实验称为技术重复。与生物学重复相比，技术重复不是完全独立的，取平均值不能去除共有的系统偏差。28. 皮尔逊相关系数r（Pearsons Correlation Coefficient）用于度量两个变量X和Y之间的相关（线性相关），其值介于-1与1之间。其中，1表示变量完全正相关，0表示无关，-1表示完全负相关。在高通量测序中，将皮尔逊相关系数作为生物学重复相关性的评估指标。越接近1，说明两个重复样品相关性越强。29.

11、 UnigeneUnique Gene的英文缩写，意为广泛通用的基因数据库，通过电脑对相同基因座（Locus）的收集整理集合形成一个非冗余的基因数据库。30. Contig高通量测序中利用软件将具有一定长度overlap的reads连成更长的片段，这些通过reads overlap关系得到的不含N的组装片段称之为Contig。31. Scaffold高通量测序中reads经过拼接获得Contigs，Contig经过确定先后顺序用N连接起来组成Scaffold。32. Contig N50Reads拼接后会得到长度不同的Contigs。将所有Contigs的长度相加后获得一个Contig的总长度

12、。之后将所有Contig按照序列长度由短到长进行排序，如获得Contig1，Contig2，Contig3.。将Contig按照这个顺序一次相加，当相加的长度达到Contig总长度的一半时，最后一个加上的Contig长度即为Contig N50。33. componentTRINITY 软件拼接过程中，由于contig的构造方法，使得各个contig之间不可能共享k个以上序列，因此这些 inchwormcontigs不能很好的表征各种可变剪切形式和同源基因等情况，软件中“chrysalis”这一步骤将那些有重叠的contigs聚类，构成components。component就成为一组可变剪切

13、isoform或同源基因可能的表征的集合。34. de Bruijn graph使用 TRINITY 软件拼接时，在“chrysalis”步骤中会将 component通过 overlap 关系构建成 de Bruijn图，便于获取可变剪切的序列。35. 数字基因表达谱（DigitalGene Expression Profile，DGE）利用新一代高通量测序技术和高性能的计算分析技术，能够全面、经济、快速地检测某一物种特定组织在特定状态下的基因表达情况。36. small RNA对长度在18-40bp的短 RNA 进行序列、结构、表达、功能上的分析，主要进行miRNA，siRNA，piRNA

14、 几种类型 sRNA 的分析；可与 mRNA 关联分析。37. ncRNA（non-coding RNA）非编码RNA。指不编码蛋白质的RNA。其中包括 rRNA，tRNA，snRNA，snoRNA和microRNA 等多种已知功能的 RNA，及未知功能的 RNA。其共同特点是都能从基因组上转录而来，不需要翻译成蛋白即可在 RNA 水平上行使各自的生物学功能。38. 降解组测序（Degradome Sequencing）利用高通量测序平台，针对miRNA介导的剪切降解片段进行深度测序，从中筛选miRNA作用的靶基因，并结合生物信息学分析确定降解片段与miRNA的精确配对信息。该技术能从细胞或组

15、织中准确高效的筛选出 miRNA 的靶基因，为研究miRNA 与其对应的靶基因的相互关系提供准确、高效的筛选手段。39. lncRNA（long noncoding RNA）长链非编码RNA。在长度200-100000nt之间，不具有编码蛋白功能的转录本。40. 正链/负链（plus strand/minus strand）对于一个基因来说，DNA的两条链中有一条链作为RNA合成时的模板，这条链叫负链，另一条叫正链。41. 反义链/有义链（antisense strand/sense strand）在双链DNA中，用来转录mRNA的DNA链称为模板链(template strand)，不用于转

16、录的链则称为非模板链（nontemplate strand）。根据碱基互补配对原则，转录出的mRNA链的碱基序列与非模板链的碱基序列一致，惟一不同的是，非模板链中的T mRNA链中全部置换成了U。正是由于非模板链的碱基序列实际上代表了 mRNA的碱基序列（只不过在mRNA中T换成了U），因此非模板链又被称为编码链（ coding strand）,有义链（sense strand）和克里克链(crick strand)，而用来转录mRNA的DNA链被称为非编码链（anticoding strand）或反义链（antisense strand）或沃森链(watson strand)。42. 链特异

17、性（strand specific）：链特异性建库，可以确定转录本来自正链还是负链。以便更加准确的获得基因的结构以及基因表达信息。并且可以更好的发现新的基因。（研究表明：很多基因组区域具有正负链的转录本，反义转录是真核基因的一个特征，是一种重要的调控方式。对于原核以及低等真核生物的基因组，常常具有重叠基因。43. GO（Gene Ontology）基因本体联合会（Gene Ontology Consortium）所建立的数据库，旨在建立一个适用于各种物种的，堆积因何蛋白质功能进行限定和描述的，并能随着研究不断深入而更新的语言词汇标准。GO 是多种生物本体语言中的一种，提供了三层结构（分子功能、

18、生物学途径、细胞组件）的系统定义方式，用于描述基因产物的功能。网址：http:/www.geneontology.org/。44. BSR(Bulked Segregant RNA sequencing)将转录组测序与集群分离分析相结合，在转录组范围内开发SNPs，筛选与性状紧密连锁的SNPs，进行功能基因的定位，同时进行基因差异表达分析等转录组常规分析的技术。45. eQTL以一个分离群体中不同个体（基因型）或者是其它有遗传结构的群体作为样本，运用QTL分析方法分析特定基因转录丰度差异而得到的一些遗传区域，转录丰度用于作为个体中基因表达水平的衡量方式，并且作为一个性状来分析（e Trait）

19、。46. COG/KOGCOG是Clusters of Orthologous Groups of proteins的简称，KOG 为euKaryotic Ortholog Groups。这两个注释系统都是NCBI中基于基因直系同源关系的数据库，其中COG针对原核生物，KOG针对真核生物。COG/KOG结合进化关系将来自不同物种的同源基因分为不同的 Ortholog簇，目前COG有4873个分类，KOG有4852个分类。来自同一 ortholog 的基因具有相同的功能，这样就可以将功能注释直接继承给同一 COG/KOG 簇的其他成员。详见http:/www.ncbi.nlm.nih.gov/C

20、OG/。47. Nr(NCBI non-redundant protein sequences)是NCBI官方的蛋白序列数据库，它包括了 GenBank基因的蛋白编码序列，PDB(Protein Data Bank)蛋白数据库、SwissProt蛋白序列及来自PIR（Protein Information Resource）和PRF（Protein Research Foundation）等数据库的蛋白序列。根据 nr注释信息我们能得到 GO 功能注释。48. KEGG(Kyoto Encyclopedia of Genes and Genomes)是系统分析基因产物和化合物在细胞中的代谢途径

21、以及这些基因产物的功能的数据库。它整合了基因组、化学分子和生化系统等方面的数据,包括代谢通路（KEGG PATHWAY）、药物（KEGG DRUG）、疾病（KEGG DISEASE）、功能模型（KEGG MODULE）、基因序列（KEGG GENES）及基因组（KEGG GENOME）等等。KO（KEGG ORTHOLOG）系统将各个KEGG注释系统联系在一起，KEGG已建立了一套完整KO注释的系统，可完成新测序物种的基因组或转录组的功能注释。详见http:/www.genome.jp/kegg/。49. Rfam是ncRNA注释库包含rRNA，tRNA，snoRNA，snRNA等类型非编码RNA。详见http:/rfam.xfam.org/。