01高通量測序-RNA-Seq簡介

RNA-Seq簡介

舉個例子,現(xiàn)在我們有一群正常的神經(jīng)細胞,一群突變的神經(jīng)細胞涉馅,突變細胞的行為與正常細胞不同。我們想知道是什么遺傳機制造成了這種差異黄虱,這意味著我們想要觀察基因表達的差異稚矿。每一個細胞有一堆染色體(chromosomes),每一個染色體上有一堆基因,有一些基因是活躍的捻浦,有的是不活躍的晤揣,高通量測序告訴我們哪些基因是活躍的,以及轉(zhuǎn)錄了多少朱灿。我們可以使用RNA-Seq去檢測正常細胞和突變的細胞中的基因表達昧识。然后我們就可以比較這兩種細胞類型,在突變細胞中找出它們的不同之處盗扒。

image-20201231152706135.png

RNA-Seq分三個主要的步驟:

  1. 準備一個測序文庫

  2. 測序

  3. 數(shù)據(jù)分析

1.準備一個測序文庫

注意:我使用Illumina協(xié)議(protocol)和測序儀(sequencer)作為我的例子跪楞,因為他們是常用的,但記住侣灶,有其他協(xié)議和測序儀是不同的甸祭。

第一步:分離RNA

第二步:將RNA打斷成小片段

我們這樣做是因為RNA轉(zhuǎn)錄本可以有數(shù)千個堿基長,但測序機只能對較短的片段(200-300 bp)進行測序褥影。

第三步:將RNA片段轉(zhuǎn)化為雙鏈DNA池户。

雙鏈DNA比RNA更穩(wěn)定,易于擴增和修飾(modified)。

第四步:添加測序接頭(adaptors)校焦。

接頭做兩件事:

  1. 允許測序儀識別片段赊抖。

  2. 允許你同時測序不同的樣品,因為不同的樣品可以使用不同的接頭

注意:這個步驟并不是100%有效的

第五步:PCR擴增

只有具有測序接頭的片段被放大;他們是豐富的寨典。

第六步:QC

  1. 驗證文庫濃度

  2. 驗證文庫片段長度

image-20201231154643206.png

2.測序

想象一下我們要測序的DNA片段熏迹,它是垂直的,因為它在測序儀里就是這樣的凝赛。實際上注暗,大約有4億個片段垂直排列在一個網(wǎng)格中。我只是給你看4個片段墓猎,網(wǎng)格(grid)捆昏,我們叫做流動池(flow cell),這臺機器有熒光探針,不同顏色的探針結(jié)合不同的核苷酸(nucleotide)毙沾。探針連接到每個序列的第一個堿基上骗卜。一旦探針連接好,機器就會從上面給流動池拍照左胞。這幅圖告訴機器左下角的第一個堿基是“A”寇仓,右下角為‘’G‘’,后方還有兩個‘’A‘’烤宙。然后機器會洗掉探針的顏色遍烦,然后探針被綁定到每個片段中的下一個堿基上,重復以上步驟躺枕。這個過程不斷重復服猪,直到機器確定每個核苷酸序列。

image-20201231162137605.png

有時拐云,探針的亮度不高罢猪,機器也不確定自己判斷的是正確的顏色,質(zhì)量分數(shù)(Quality scores)是輸出的一部分叉瘩,反映了機器對堿基識別的自信程度膳帕,在這種情況下,褪色的點會得到低質(zhì)量得分薇缅。

image-20201231162717197.png

你可能會得到低質(zhì)量分數(shù)的另一個原因是危彩,在同一區(qū)域有許多相同顏色的探針,這被稱為“低多樣性”捅暴,單一顏色的過多會使識別單個序列變得困難恬砂,顏色會模糊在一起咧纠。

每個測序“read”包含4行數(shù)據(jù)蓬痒。第一行(總是以@'開始)是序列的唯一ID。第二行包含序列片段的堿基漆羔。第三行總是一個“+”字符梧奢。第四行包含序列片段中每個堿基的質(zhì)量得分狱掂。

image-20201231163158888.png

現(xiàn)在我們了解了原始數(shù)據(jù)以及它是如何生成的,我們需要:

1.過濾掉垃圾reads

  • reads含有低質(zhì)量的堿基

  • read顯然是化學反應的產(chǎn)物(接頭序列)

2.將高質(zhì)量的reads與基因組比對

  • 匹配read片段的基因組片段將決定一個位置(染色體和位置)在基因組中亲轨。

3.計算每個基因的reads

  • 一旦我們知道染色體和位置趋惨,我們可以看到它是否在一個基因的坐標(或其他一些有趣的特征)。

  • 在你計算每個基因的讀數(shù)之后惦蚊,你會得到一個像這樣的數(shù)字矩陣

image-20201231164416687.png

在分析之前我們做的最后一件事是標準化數(shù)據(jù)器虾。這是因為每個樣本都有不同的reads,這是由于一個樣本可能有更多低質(zhì)量的reads蹦锋,或者另一個樣本可能在流動池上的濃度稍高兆沙。舉個例子,樣本1有635reads莉掂,樣本2有1270reads葛圃。這并不意味著樣本2中的基因轉(zhuǎn)錄量是樣本1的兩倍。相反憎妙,這意味著樣品2有較少的低質(zhì)量reads库正,可能比樣品1在流動池上有更多的點。然而厘唾,從reads來看褥符,樣本2的基因轉(zhuǎn)錄量似乎是樣本1的兩倍。因此抚垃,我們需要調(diào)整每個基因的read属瓣,以反映分配給每個樣本的reads的差異。最簡單的方法就是用每個基因的reads除以每個樣本的總reads讯柔。然而抡蛙,還有許多更復雜的方法可以做到這一點。

image-20201231165742728.png

3.數(shù)據(jù)分析

第一步:任何數(shù)據(jù)分析的第一步是相同的魂迄,繪制數(shù)據(jù)

我們需要一張有20,000個軸的圖表來繪制原始數(shù)據(jù)粗截,所以我們使用PCA(主成分分析)或者類似的方法來繪制這些數(shù)據(jù)。PCA減少了顯示數(shù)據(jù)重要方面所需的軸數(shù)捣炬。這是一個在神經(jīng)細胞上做的RNA-seq實驗的PCA圖熊昌。“wt”樣本是“正常的”湿酸⌒鲆伲“ko”樣本是研究人員突變的樣本⊥评#“ko”樣品在角落里形成了一個漂亮的小簇昂利。“wt”樣本都在左側(cè),但分布在y軸上蜂奸。這些圖的繪制方式犁苏,最重要的區(qū)別是在x軸上,在y軸的區(qū)別不重要扩所,這意味著“wt”和“ko”樣本之間的差異最大围详,然而,當我們做進一步分析時祖屏,我們可能希望排除“wt2”助赞。

image-20201231170642215.png

總結(jié):

  1. 告訴我們是否可以期待發(fā)現(xiàn)有趣的差異。

  2. 告訴我們是否應該從下游分析中排除一些樣品袁勺。

第二步:鑒定“正臣倒眨”和“突變”樣本之間的差異表達基因

這通常使用edgeRDESeq2來完成,結(jié)果通常使用這種圖表來顯示魁兼。

image-20201231171240995.png
  • 如果你知道你在尋找什么婉徘,你就可以看看實驗是否驗證了你的假設。

  • 如果你不知道你在尋找什么咐汞,你可以看到某些通路富集在正掣呛簦或突變基因集。

最后編輯于
?著作權歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末化撕,一起剝皮案震驚了整個濱河市几晤,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌植阴,老刑警劉巖蟹瘾,帶你破解...
    沈念sama閱讀 216,919評論 6 502
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場離奇詭異掠手,居然都是意外死亡憾朴,警方通過查閱死者的電腦和手機,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 92,567評論 3 392
  • 文/潘曉璐 我一進店門喷鸽,熙熙樓的掌柜王于貴愁眉苦臉地迎上來众雷,“玉大人,你說我怎么就攤上這事做祝±。” “怎么了?”我有些...
    開封第一講書人閱讀 163,316評論 0 353
  • 文/不壞的土叔 我叫張陵混槐,是天一觀的道長编兄。 經(jīng)常有香客問我,道長声登,這世上最難降的妖魔是什么狠鸳? 我笑而不...
    開封第一講書人閱讀 58,294評論 1 292
  • 正文 為了忘掉前任揣苏,我火速辦了婚禮,結(jié)果婚禮上碰煌,老公的妹妹穿的比我還像新娘舒岸。我一直安慰自己绅作,他們只是感情好芦圾,可當我...
    茶點故事閱讀 67,318評論 6 390
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著俄认,像睡著了一般个少。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發(fā)上眯杏,一...
    開封第一講書人閱讀 51,245評論 1 299
  • 那天夜焦,我揣著相機與錄音,去河邊找鬼岂贩。 笑死茫经,一個胖子當著我的面吹牛,可吹牛的內(nèi)容都是我干的萎津。 我是一名探鬼主播卸伞,決...
    沈念sama閱讀 40,120評論 3 418
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼锉屈!你這毒婦竟也來了荤傲?” 一聲冷哼從身側(cè)響起,我...
    開封第一講書人閱讀 38,964評論 0 275
  • 序言:老撾萬榮一對情侶失蹤颈渊,失蹤者是張志新(化名)和其女友劉穎遂黍,沒想到半個月后,有當?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體俊嗽,經(jīng)...
    沈念sama閱讀 45,376評論 1 313
  • 正文 獨居荒郊野嶺守林人離奇死亡雾家,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點故事閱讀 37,592評論 2 333
  • 正文 我和宋清朗相戀三年,在試婚紗的時候發(fā)現(xiàn)自己被綠了绍豁。 大學時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片榜贴。...
    茶點故事閱讀 39,764評論 1 348
  • 序言:一個原本活蹦亂跳的男人離奇死亡,死狀恐怖妹田,靈堂內(nèi)的尸體忽然破棺而出唬党,到底是詐尸還是另有隱情,我是刑警寧澤鬼佣,帶...
    沈念sama閱讀 35,460評論 5 344
  • 正文 年R本政府宣布驶拱,位于F島的核電站,受9級特大地震影響晶衷,放射性物質(zhì)發(fā)生泄漏蓝纲。R本人自食惡果不足惜阴孟,卻給世界環(huán)境...
    茶點故事閱讀 41,070評論 3 327
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望税迷。 院中可真熱鬧永丝,春花似錦、人聲如沸箭养。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,697評論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽毕泌。三九已至喝检,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間撼泛,已是汗流浹背挠说。 一陣腳步聲響...
    開封第一講書人閱讀 32,846評論 1 269
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留愿题,地道東北人损俭。 一個月前我還...
    沈念sama閱讀 47,819評論 2 370
  • 正文 我出身青樓,卻偏偏與公主長得像潘酗,于是被迫代替她去往敵國和親杆兵。 傳聞我的和親對象是個殘疾皇子,可洞房花燭夜當晚...
    茶點故事閱讀 44,665評論 2 354

推薦閱讀更多精彩內(nèi)容