轉(zhuǎn)錄組RNAseq術(shù)語解釋.docx

1、RNA-Seq名詞解釋1.index測(cè)序的標(biāo)簽，用于測(cè)定混合樣本，通過每個(gè)樣本添加的不同標(biāo)簽進(jìn)行數(shù)據(jù)區(qū)分，鑒別測(cè)序樣品。2.堿基質(zhì)量值（Quality Score或Q-score）是堿基識(shí)別（Base Calling）出錯(cuò)的概率的整數(shù)映射。堿基質(zhì)量值越高表明堿基識(shí)別越可靠，堿基測(cè)錯(cuò)的可能性越小。3.Q30堿基質(zhì)量值為Q30代表堿基的精確度在99.9%。4.FPKM（Fragments Per Kilobase of transcript per Million fragments mapped）每1百萬個(gè)map上的reads中map到外顯子的每1K個(gè)堿基上的fragment個(gè)數(shù)。計(jì)算公式為公式

2、中，cDNA Fragments 表示比對(duì)到某一轉(zhuǎn)錄本上的片段數(shù)目，即雙端Reads數(shù)目；Mapped Reads(Millions)表示Mapped Reads總數(shù)，以10為單位；Transcript Length(kb)：轉(zhuǎn)錄本長度，以kb個(gè)堿基為單位。5.FC（Fold Change）即差異表達(dá)倍數(shù)。6.FDR（False Discovery Rate）即錯(cuò)誤發(fā)現(xiàn)率，定義為在多重假設(shè)檢驗(yàn)過程中，錯(cuò)誤拒絕(拒絕真的原(零)假設(shè))的個(gè)數(shù)占所有被拒絕的原假設(shè)個(gè)數(shù)的比例的期望值。通過控制FDR來決定P值的閾值。7.P值（P-value）即概率，反映某一事件發(fā)生的可能性大小。統(tǒng)計(jì)學(xué)根據(jù)顯著性檢驗(yàn)方

3、法所得到的P 值，一般以P0.05為顯著，P0.01為非常顯著，其含義是樣本間的差異由抽樣誤差所致的概率小于0.05或0.01。8.可變剪接（Alternative splicing）有些基因的一個(gè)mRNA前體通過不同的剪接方式（選擇不同的剪接位點(diǎn)）產(chǎn)生不同的mRNA剪接異構(gòu)體，這一過程稱為可變剪接(或選擇性剪接，alternative splicing)。可變剪接是調(diào)節(jié)基因表達(dá)和產(chǎn)生蛋白質(zhì)組多樣性的重要機(jī)制，是導(dǎo)致真核生物基因和蛋白質(zhì)數(shù)量較大差異的重要原因。在生物體內(nèi)，主要存在7種可變剪接類型：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.外顯子跳躍（Exon skipping）外顯子在前體mRNA剪接形成成熟mRNA過程中被跳過，最終沒有出現(xiàn)在某些成熟mRNA上，這種剪接機(jī)制被稱為外顯子跳躍。10. 內(nèi)含子保留（Intron retention）前體mRNA在剪接形成成熟mRNA的過程中，部分內(nèi)含子被保留下來，這種剪接機(jī)制被稱為內(nèi)含子保留。11. 5或3端可變剪接前體mRNA在剪接形成

5、成熟mRNA的過程中，5端或3端邊界發(fā)生不同方式的剪接，這種剪接機(jī)制被稱為5或3端可變剪接。12.基因結(jié)構(gòu)優(yōu)化由于使用的軟件或數(shù)據(jù)本身的局限性，導(dǎo)致所選參考基因組的注釋往往不夠精確，需要對(duì)原有注釋的基因結(jié)構(gòu)進(jìn)行修正，這一過程稱為基因結(jié)構(gòu)優(yōu)化。13. 基因間區(qū)(intergenic)指基因與基因之間的間隔序列，不屬于基因結(jié)構(gòu)，不直接決定氨基酸，可能通過轉(zhuǎn)錄后調(diào)控影響性狀的區(qū)域。14. UTR:(UntranslateRegions)非翻譯區(qū)域。是信使 RNA（mRNA）分子兩端的非編碼片段。5-UTR從mRNA起點(diǎn)的甲基化鳥嘌呤核苷酸帽延伸至 AUG 起始密碼子，3-UTR從編碼區(qū)末端的終止密碼

6、子延伸至多聚 A 尾巴（Poly-A）的前端。15. ORF（open reading frame）開放閱讀框或開放讀碼框。是結(jié)構(gòu)基因的正常核苷酸序列，從起始密碼子到終止密碼子的閱讀框可編碼完整的多肽鏈，其間不存在使翻譯中斷的終止密碼子。16. CDS（Coding sequence）是編碼一段蛋白產(chǎn)物的序列，是結(jié)構(gòu)基因組學(xué)術(shù)語。DNA轉(zhuǎn)錄成mRNA，mRNA經(jīng)剪接等加工后翻譯出蛋白質(zhì)，所謂CDS就是與蛋白質(zhì)序列一一對(duì)應(yīng)的DNA序列，且該序列中間不含其它非該蛋白質(zhì)對(duì)應(yīng)的序列，不考慮mRNA加工等過程中的序列變化，總之，就是與蛋白質(zhì)的密碼子完全對(duì)應(yīng)。17. 插入片段大?。╥nsert size）

7、通過檢測(cè)雙端序列在基因組上的起止位置，可以得到插入片段的實(shí)際長度，決定了測(cè)序的長度，是信息分析的重要參數(shù)。18. 分子標(biāo)記是遺傳標(biāo)記的一種，直接在DNA分子上檢測(cè)遺傳變異。分子標(biāo)記能對(duì)不同發(fā)育時(shí)期的個(gè)體、組織器官甚至細(xì)胞作檢測(cè)，數(shù)量極多，遍及整個(gè)基因組，多態(tài)性高，遺傳穩(wěn)定，不受環(huán)境及基因表達(dá)與否的影響。目前常見分子標(biāo)記主要有SNP、InDel、SSR 等。19. SNP（Single Nucleotide Polymorphism）即單核苷酸多態(tài)性，主要是指在基因組水平上由單個(gè)核苷酸的變異所引起的DNA序列多態(tài)性。SNP所表現(xiàn)的多態(tài)性只涉及到單個(gè)堿基的變異，這種變異可由單個(gè)堿基的轉(zhuǎn)換(tran

8、sition)或顛換(transversion)所引起，也可由堿基的插入或缺失所致。但通常所說的SNP并不包括后兩種情況。20. SSR（Simple Sequence Repeat，SSR）即簡(jiǎn)單重復(fù)序列，又叫微衛(wèi)星序列，指的是基因組中由1-6個(gè)核苷酸組成的基本單位重復(fù)多次構(gòu)成的一段DNA，廣泛分布于基因組的不同位置，長度一般在200bp以下。21. 轉(zhuǎn)換(transition)同類型（嘌呤和嘌呤，或嘧啶和嘧啶）堿基之間的相互替換稱為轉(zhuǎn)換。22. 顛換(transversion)不同類型（嘌呤和嘧啶）堿基之間的相互替換稱為顛換。23. RNA編輯（RNA editing）是指在mRNA水平上

9、改變遺傳信息的過程。具體來說，指基因轉(zhuǎn)錄產(chǎn)生的mRNA分子中，由于核苷酸的缺失，插入或置換，基因轉(zhuǎn)錄物的序列不與編碼序列互補(bǔ)，使翻譯生成的蛋白質(zhì)的氨基酸組成，不同于基因序列中的編碼信息現(xiàn)象。24. 差異表達(dá)轉(zhuǎn)錄本（DifferentiallyExpressed Transcript，DET）指表達(dá)水平存在顯著差異的轉(zhuǎn)錄本。25. 差異表達(dá)基因（Differentially Expressed Gene，DEG）指在兩個(gè)不同條件（如對(duì)照與處理、野生型和突變型、不同時(shí)間點(diǎn)、不同組織等）下，表達(dá)水平存在顯著差異的基因，稱之為差異表達(dá)基因。26. 生物學(xué)重復(fù)（Biological Replicates

10、）可以定義為使用來自不同抽提的RNA樣本進(jìn)行雜交，例如，同一來源獨(dú)立制備的樣本，或者不同來源的樣本（不同組織或者一個(gè)細(xì)胞系的不同培養(yǎng)物）。27. 技術(shù)重復(fù)使用同一個(gè)抽提的RNA進(jìn)行實(shí)驗(yàn)稱為技術(shù)重復(fù)。與生物學(xué)重復(fù)相比，技術(shù)重復(fù)不是完全獨(dú)立的，取平均值不能去除共有的系統(tǒng)偏差。28. 皮爾遜相關(guān)系數(shù)r（Pearsons Correlation Coefficient）用于度量兩個(gè)變量X和Y之間的相關(guān)（線性相關(guān)），其值介于-1與1之間。其中，1表示變量完全正相關(guān)，0表示無關(guān)，-1表示完全負(fù)相關(guān)。在高通量測(cè)序中，將皮爾遜相關(guān)系數(shù)作為生物學(xué)重復(fù)相關(guān)性的評(píng)估指標(biāo)。越接近1，說明兩個(gè)重復(fù)樣品相關(guān)性越強(qiáng)。29.

11、 UnigeneUnique Gene的英文縮寫，意為廣泛通用的基因數(shù)據(jù)庫，通過電腦對(duì)相同基因座（Locus）的收集整理集合形成一個(gè)非冗余的基因數(shù)據(jù)庫。30. Contig高通量測(cè)序中利用軟件將具有一定長度overlap的reads連成更長的片段，這些通過reads overlap關(guān)系得到的不含N的組裝片段稱之為Contig。31. Scaffold高通量測(cè)序中reads經(jīng)過拼接獲得Contigs，Contig經(jīng)過確定先后順序用N連接起來組成Scaffold。32. Contig N50Reads拼接后會(huì)得到長度不同的Contigs。將所有Contigs的長度相加后獲得一個(gè)Contig的總長度

12、。之后將所有Contig按照序列長度由短到長進(jìn)行排序，如獲得Contig1，Contig2，Contig3.。將Contig按照這個(gè)順序一次相加，當(dāng)相加的長度達(dá)到Contig總長度的一半時(shí)，最后一個(gè)加上的Contig長度即為Contig N50。33. componentTRINITY 軟件拼接過程中，由于contig的構(gòu)造方法，使得各個(gè)contig之間不可能共享k個(gè)以上序列，因此這些 inchwormcontigs不能很好的表征各種可變剪切形式和同源基因等情況，軟件中“chrysalis”這一步驟將那些有重疊的contigs聚類，構(gòu)成ponent就成為一組可變剪切

13、isoform或同源基因可能的表征的集合。34. de Bruijn graph使用 TRINITY 軟件拼接時(shí)，在“chrysalis”步驟中會(huì)將 component通過 overlap 關(guān)系構(gòu)建成 de Bruijn圖，便于獲取可變剪切的序列。35. 數(shù)字基因表達(dá)譜（DigitalGene Expression Profile，DGE）利用新一代高通量測(cè)序技術(shù)和高性能的計(jì)算分析技術(shù)，能夠全面、經(jīng)濟(jì)、快速地檢測(cè)某一物種特定組織在特定狀態(tài)下的基因表達(dá)情況。36. small RNA對(duì)長度在18-40bp的短 RNA 進(jìn)行序列、結(jié)構(gòu)、表達(dá)、功能上的分析，主要進(jìn)行miRNA，siRNA，piRNA

14、 幾種類型 sRNA 的分析；可與 mRNA 關(guān)聯(lián)分析。37. ncRNA（non-coding RNA）非編碼RNA。指不編碼蛋白質(zhì)的RNA。其中包括 rRNA，tRNA，snRNA，snoRNA和microRNA 等多種已知功能的 RNA，及未知功能的 RNA。其共同特點(diǎn)是都能從基因組上轉(zhuǎn)錄而來，不需要翻譯成蛋白即可在 RNA 水平上行使各自的生物學(xué)功能。38. 降解組測(cè)序（Degradome Sequencing）利用高通量測(cè)序平臺(tái)，針對(duì)miRNA介導(dǎo)的剪切降解片段進(jìn)行深度測(cè)序，從中篩選miRNA作用的靶基因，并結(jié)合生物信息學(xué)分析確定降解片段與miRNA的精確配對(duì)信息。該技術(shù)能從細(xì)胞或組

15、織中準(zhǔn)確高效的篩選出 miRNA 的靶基因，為研究miRNA 與其對(duì)應(yīng)的靶基因的相互關(guān)系提供準(zhǔn)確、高效的篩選手段。39. lncRNA（long noncoding RNA）長鏈非編碼RNA。在長度200-100000nt之間，不具有編碼蛋白功能的轉(zhuǎn)錄本。40. 正鏈/負(fù)鏈（plus strand/minus strand）對(duì)于一個(gè)基因來說，DNA的兩條鏈中有一條鏈作為RNA合成時(shí)的模板，這條鏈叫負(fù)鏈，另一條叫正鏈。41. 反義鏈/有義鏈（antisense strand/sense strand）在雙鏈DNA中，用來轉(zhuǎn)錄mRNA的DNA鏈稱為模板鏈(template strand)，不用于轉(zhuǎn)

16、錄的鏈則稱為非模板鏈（nontemplate strand）。根據(jù)堿基互補(bǔ)配對(duì)原則，轉(zhuǎn)錄出的mRNA鏈的堿基序列與非模板鏈的堿基序列一致，惟一不同的是，非模板鏈中的T mRNA鏈中全部置換成了U。正是由于非模板鏈的堿基序列實(shí)際上代表了 mRNA的堿基序列（只不過在mRNA中T換成了U），因此非模板鏈又被稱為編碼鏈（ coding strand）,有義鏈（sense strand）和克里克鏈(crick strand)，而用來轉(zhuǎn)錄mRNA的DNA鏈被稱為非編碼鏈（anticoding strand）或反義鏈（antisense strand）或沃森鏈(watson strand)。42. 鏈特異

17、性（strand specific）：鏈特異性建庫，可以確定轉(zhuǎn)錄本來自正鏈還是負(fù)鏈。以便更加準(zhǔn)確的獲得基因的結(jié)構(gòu)以及基因表達(dá)信息。并且可以更好的發(fā)現(xiàn)新的基因。（研究表明：很多基因組區(qū)域具有正負(fù)鏈的轉(zhuǎn)錄本，反義轉(zhuǎn)錄是真核基因的一個(gè)特征，是一種重要的調(diào)控方式。對(duì)于原核以及低等真核生物的基因組，常常具有重疊基因。43. GO（Gene Ontology）基因本體聯(lián)合會(huì)（Gene Ontology Consortium）所建立的數(shù)據(jù)庫，旨在建立一個(gè)適用于各種物種的，堆積因何蛋白質(zhì)功能進(jìn)行限定和描述的，并能隨著研究不斷深入而更新的語言詞匯標(biāo)準(zhǔn)。GO 是多種生物本體語言中的一種，提供了三層結(jié)構(gòu)（分子功能、

18、生物學(xué)途徑、細(xì)胞組件）的系統(tǒng)定義方式，用于描述基因產(chǎn)物的功能。網(wǎng)址：/。44. BSR(Bulked Segregant RNA sequencing)將轉(zhuǎn)錄組測(cè)序與集群分離分析相結(jié)合，在轉(zhuǎn)錄組范圍內(nèi)開發(fā)SNPs，篩選與性狀緊密連鎖的SNPs，進(jìn)行功能基因的定位，同時(shí)進(jìn)行基因差異表達(dá)分析等轉(zhuǎn)錄組常規(guī)分析的技術(shù)。45. eQTL以一個(gè)分離群體中不同個(gè)體（基因型）或者是其它有遺傳結(jié)構(gòu)的群體作為樣本，運(yùn)用QTL分析方法分析特定基因轉(zhuǎn)錄豐度差異而得到的一些遺傳區(qū)域，轉(zhuǎn)錄豐度用于作為個(gè)體中基因表達(dá)水平的衡量方式，并且作為一個(gè)性狀來分析（e Trait）。46. COG/KOGCOG是Clusters of Orthologous Groups of proteins的簡(jiǎn)稱，KOG 為euKaryotic Ortholog Groups。這兩個(gè)注釋系統(tǒng)都是NCBI中基于基因直系同源關(guān)系的數(shù)據(jù)庫，其中COG針對(duì)原核生物，KOG針對(duì)真核生物。COG/KOG結(jié)合進(jìn)化關(guān)系將來自不同物種的同源基因分為不同的 Ortholog簇，目前COG有4873個(gè)分類，KOG有4852個(gè)分類。來自同一 ortholog 的基因具有相同的功能，這樣就可以將功能注釋直接繼承給同一 COG/KOG 簇的其他成員。詳見http:/www.ncbi.nlm.nih