原文：轉(zhuǎn)錄組組裝軟件：Trinity
視頻參考：BroadE: Trinity - How it works和基因課的轉(zhuǎn)錄組原理的trinity原理視頻類似。

本文添加了一些其他內(nèi)容便于理解，添加內(nèi)容有 ★{添加的內(nèi)容}做標(biāo)記邑狸。

image.png

trinity拼接原理.jpg

Trinity芜壁，是由 the Broad Institute 開發(fā)的轉(zhuǎn)錄組denovo組裝軟件，由三個(gè)獨(dú)立的軟件模塊組成：Inchworm, Chrysalis和Butterfly坯钦。三個(gè)軟件依次來處理大規(guī)模的RNA-seq的reads數(shù)據(jù)腺律。

Trinity的簡要工作流程

Inchworm
將RNA-seq的原始reads數(shù)據(jù)組裝成Unique序列；
★｛unique sequences古掏，也就是contigs｝

Chrysalis
將上一步生成的contigs聚類损话，然后對每個(gè)components構(gòu)建deBruijn圖；

Butterfly
處理這些deBruijn圖槽唾，依據(jù)圖中reads和成對的reads來尋找路徑丧枪，從而得到具有可變剪接的全長轉(zhuǎn)錄子，同時(shí)將旁系同源基因的轉(zhuǎn)錄子分開庞萍。

下面對Trinity原理做一個(gè)詳細(xì)的介紹

image

1）Inchworm生成contig

★｛kmer
這里首先需要知道一個(gè)專有名詞的概念拧烦，mer，其在分子生物學(xué)領(lǐng)域中意義為單體單元 （monomeric unit钝计，mer）恋博。通常用于核酸序列中的單位，代表nt或者bp私恬，例如债沮，100 mer DNA代表這段DNA序列單鏈長度100nt，或者雙鏈長度100bp践付。

而k-mer則是指將核酸序列分成包含k個(gè)堿基的字符串秦士，即從一段連續(xù)的核酸序列中迭代地選取長度為K個(gè)堿基的序列，若核酸序列長度為L永高，k-mer長度為K，那么可以得到L-K+1個(gè)k-mers提针。如下圖所示命爬，假設(shè)這里存在某序列長度為21，設(shè)定選取的k-mer長度為7辐脖，則得到（21-7+1=15）個(gè)7-mers饲宛。

k-mer.png

｝

假設(shè)kmer長度是k，將測序reads以k-1的overlap分割成長度為k的k-mer嗜价，去除可能錯(cuò)誤的kmer艇抠，低復(fù)雜度和單一的kmers，構(gòu)建成kmer庫久锥，以出現(xiàn)次數(shù)最高的kmer作為基序家淤，基于k-1個(gè)overlap向兩邊貪婪延伸，直到不能延伸之后得到一個(gè)contig瑟由，去除已經(jīng)使用過的kmer絮重，對于剩余的kmer按照上述方法延伸得到contig。直到kmer用完，生成contig過程結(jié)束青伤。具體過程如下圖所示：

舉個(gè)具體的例子督怜，假如kmer是7，kmer庫為：

image

其中出現(xiàn)次數(shù)最高的是GATTACA狠角，以ATTACA為overlap向兩端延伸号杠，下一個(gè)堿基的可能是只有四種G、A丰歌、T姨蟋、C。其中出現(xiàn)次數(shù)最高ATTACAG和ATTACAC（4次）动遭。

image

image

分別以TTACAG和TTACAC為基序延伸芬探，以此類推延伸（反向也是如此），直到不能再延伸為止厘惦。最終contig序列為：…AAGATTACAGA…

image

2）contig聚類成components

image.png

根據(jù)最小overlap聚類contig偷仿。每一個(gè)component 是由contigs組成的集合，這些contig可能是來自可變剪切體或者相近的旁系同源物宵蕉。

contig聚類滿足的條件：

（1） contig之間有k-1堿基的overlap

（2） 滿足跨越兩個(gè)contig的junction的最小reads數(shù)酝静，且（k-1）mer的junction兩端分別有（k-1）/2的堿基支持。

image

image

image

3）構(gòu)建de Bruijn圖

每一個(gè)component構(gòu)建一個(gè)de Bruijn圖羡玛，k-1個(gè)字節(jié)大小表示節(jié)點(diǎn)别智，k個(gè)字節(jié)大小表示連接節(jié)點(diǎn)的邊，原始數(shù)據(jù)集中支持的（k-1）mer的數(shù)目作為邊的權(quán)重稼稿。

a. de Bruijn圖簡化

合并de Bruijn圖中的線性路徑中的連續(xù)節(jié)點(diǎn)生成較長序列的節(jié)點(diǎn)薄榛，剔除可能由于測序錯(cuò)誤（只有極少reads支持）的分叉，使邊均勻让歼。(多倍體多態(tài)性似乎比測序錯(cuò)誤更常見敞恋，保留）

b. 尋找最佳路徑

動(dòng)態(tài)打分算法，鑒定被reads或雙端reads支持的路徑谋右，剔除reads支持比較少的路徑硬猫，將最佳路徑上的堿基輸出到fasta文件中。

image.png

結(jié) 果

按照 DNAXX改执，components, gene和 isoform分組的線性序列（見以下可左右滑動(dòng)方框）啸蜜，Gene以下 isoform通常可能為同一基因的不同可變剪切辈挂。

TRINITY_DN6743_c1_g1_i1 len:403_path:[5739,5784,5857,5863,353] TTGGGAGCCTGCCCAGGTTTTTGCTGGTACCAGGCTAAGTAGCTGCTAACACTCTGACTGGCCCGGCAGGTGATGGTGACTTTTTCCTCCTGAGACAAGGAGAGGGAGGCTGGAGACTGTGTCATCACGATTTCTCCGGTGATATCTGGGAGCCAGAGTAACAGAAGGCAGAGAAGGCGAGCTGGGGCTTCCATGGCTCACTCTGTGTCCTAACTGAGGCAGATCTCCCCCAGAGCACTGACCCAGCACTGATATGGGCTCTGGAGAGAAGAGTTTGCTAGGAGGAACATGCAAAGCAGCTGGGGAGGGGCATCTGGGCTTTCAGTTGCAGAGACCATTCACCTCCTCTTCTCTGCACTTGAGCAACCCATCCCCAGGTGGTCATGTCAGAAGACGCCTGGAG

【左右滑動(dòng)查看完整信息】

以上就是Trinity組裝的原理衬横，你get到了嗎？