全长转录组研究是理解生物机体功能的一个重要途径。传统二代转录组测序无法直接获得单个RNA分子由5ˊ到3ˊ的全部序列。基于PacBio三代测序平台的转录组研究,无需打断,直接读取反转录的全长cDNA,能够有效的获取高质量的单个RNA分子的全部序列,准确辨别二代测序无法识别的同源异构体(isoform)、同源基因、超家族基因或等位基因表达的转录本。
CCS数据展示
PacBio测序仪每个cell含有ZMWs,reads进入ZMW孔中被测序,一个ZMW中含一条的reads(P1)为有效数据。通过有效数据的子序列获得一致序列即为每个单分子测序反应器ZMW的CCS序列。CCS序列是每个单分子测序反应器ZMW里插入序列的最高质量序列。CCS序列可以从一定程度上评估建库质量和SMRT? Cell上样时序列的长度。
全长转录本数目统计
通过检测CCS序列中是否包含正确的5’引物,3’引物及polyA尾,将序列分成全长序列(包含5’引物,3’引物及polyA尾)和非全长序列。去除CCS序列中cDNA 引物序列及polyA序列获得建库时的插入序列,同时根据建库时两端引物的差别确定链合成方向,将序列分为全长序列和非全长序列、嵌合序列和非嵌合序列。全长序列长度反映了建库时cDNA序列长度,可通过统计全长序列的长度评估建库质量。
转录本GO注释
GO数据库是GO组织(Gene Ontology Consortium)于2000年构建的一个结构化的标准生物学注释系统,旨在建立基因及其产物知识的标准词汇体系,适用于各个物种。GO注释系统是一个有向无环图,包含三个主要分支,即:生物学过程(Biological Process),分子功能(Molecular Function)和细胞组分(Cellular Component)。
可变剪接分析
基因转录生成的前体mRNA(pre-mRNA),有多种剪接方式,选择不同的外显子,产生不同的成熟mRNA,从而翻译为不同的蛋白质,构成生物性状的多样性。这种转录后的mRNA加工过程称为可变剪接或选择性剪接(Alternative splicing)。可变剪接类型包括:(A) 外显子跳跃;(B) 可变转录终止位点;(C) 可变外显子;(D) 可变转录起始位点;(E) 内含子保留。百迈客使用Astalavista软件获取每个样品存在的可变剪接类型。结合RNA-Seq数据可以使用rMATS进行不同分组间的差异可变剪接分析。
转录本NR注释
Nr数据库是NCBI中的非冗余蛋白质数据库,包含了Swissprot、PIR(Protein Information Resource)、PRF(Protein Research Foundation)、PDB(Protein Data Bank)蛋白质数据库及从GenBank和RefSeq的CDS数据翻译过来的蛋白质数据信息。通过序列比对寻找同源物种,并进行注释。
转录本KEGG注释
在生物体内,不同的基因产物相互协调来行使生物学功能,对表达基因的通路(Pathway)注释分析有助于进一步解读基因的功能。KEGG(Kyoto Encyclopedia of Genes and Genomes)是系统分析基因功能、基因组信息数据库,它有助于研究者把基因及表达信息作为一个整体网络进行研究。
可变多聚腺苷酸化
多聚腺苷酸化是指多聚腺苷酸与信使RNA(mRNA)分子的共价链结。在蛋白质生物合成的过程中,这是产生准备作翻译的成熟mRNA的方式的一部份。在真核生物中,多聚腺苷酸化是一种机制,令mRNA分子于它们的3’端中断。多聚腺苷酸尾(或聚A尾)保护mRNA,免受核酸外切酶攻击,并且对转录终结、将mRNA从细胞核输出及进行翻译都十分重要。在原核生物中,前体mRNA的可变多聚腺苷酸化(alternative polyadenylation,APA)可能贡献于转录组多样性,基因组的编码能力以及基因的调控机制。百迈客采用TAPIS pipeline来对全长非嵌合序列(FLNC)进一步分析以识别APA。
成功案例
答:1)Polymerase Read:酶聚合序列,DNA聚合酶以SMRTbell?环状模板链合成的核酸序列,可用于测序过程中每轮(run)的质控。Polymerase reads经过滤后仅剩余高质量片段,包含接头序列和通过环状模板链合成的含多个序列的拷贝。
(2)Subread:每个聚合酶序列(polymerase read)可以分割成一个或多个子序列(Subread),subread是聚合酶以SMRTbell? 一条模板链经过一轮(passes)合成的,不包括接头序列。每个subread包含质量值和相关酶活参数。
(3)number of full passes:指原始序列中存在两端均含有SMRTbell? 接头(adapter,图中黑色区域)的子序列(接头间的序列)个数。
(4)Circular Consensus (CCS) Read:根据需求筛选原始序列中满足最小full pass数为 1,最低序列准确度为 0.9 的原始序列,通过子序列获得一致序列即为每个单分子测序反应器ZMW的CCS序列。CCS序列是每个单分子测序反应器ZMW里插入序列的最高质量序列。CCS序列可以从一定程度上评估建库质量和SMRT? Cell上样时序列的长度。
(5)Full-Length (FL) Read versus Non-Full-Length (nFL) Read:定义两端同时含有3’引物和5’引物,及3’引物前含有polyA尾(可选)的序列称为全长序列(Full-Length(FL) Read)。 5’或3′ primer 可以是Clontech或其他全长cDNA建库引物,或基因特异性的RT-PCR引物。反之,则为非全长序列(non-full-lengthread)。
(6)Full-Length non-chimericRead (FLNC):建库过程中因接头浓度或SMRTbell浓度过低造成两个cDNA模板链直接相连而生成的嵌合序列称为人工嵌合序列,如下图所示。全长序列中的非嵌合序列称为全长非嵌合序列。
答:PacBio全长转录组由于单cell产出有限,所以无法完成基因定量,需要结合二代转录组(RNA-seq)的数据联合分析,才可以进行基因水平和转录本水平的定量,通常可以选择全长转录组2+3的联合分析产品进行分析。
答:
1、无需打断,可直接获得从5’端到3’端的全长转录本序列
2、转录本序列准确性高,连续性、完整性更好
3、准确鉴定转录本水平的结构变异,如可变剪接、融合基因等
4、结合二代转录组测序,同时完成基因水平和转录本水平的准确定量
5、物种适应性高,有无参考基因组均可以进行分析