https://touchingfish.top/tags/splice-algorithm/Recent content in Splice-Algorithm on TouchingFish.topHugozh-cnSun, 21 Feb 2021 00:00:00 +0000https://touchingfish.top/2021/alternative-splice-algorithm-cn/Sun, 21 Feb 2021 00:00:00 +0000https://touchingfish.top/2021/alternative-splice-algorithm-cn/<h2 id="背景">背景</h2> <p>在真核生物中，一个基因可以通过可变剪接（Alternative Splicing, AS）产生多种 mRNA 亚型（isoform）——即在 pre-mRNA 剪接过程中，通过不同的外显子组合方式，生成不同的 成熟 mRNA。这一机制在不增加基因数目的前提下，极大扩展了蛋白质组（proteome）的多样性。</p> <p>一个含有 N 个外显子的基因，理论上最多可产生 2^(N-1) 种剪接变体。实际中， 大多数基因产生 2-10 种亚型，但个别基因（如果蝇 Dscam）可产生数万种剪接变体（splice variant）。</p> <h3 id="为什么需要计算分析">为什么需要计算分析</h3> <p>高通量转录组测序（RNA-seq、全长 cDNA 测序）会产生数千条转录本比对到参考基因组 上的结果。人工逐个检查每个基因的剪接变异是不现实的。计算流程需要：</p> <ul> <li>将属于同一基因位点的转录本聚类</li> <li>区分真正的剪接变体与比对假象（alignment artifact）</li> <li>对每种剪接变异进行分类</li> <li>对全基因组的 AS 事件进行定量和汇总</li> </ul> <h3 id="as-code-的概念">AS Code 的概念</h3> <p>AS Code 体系（Sammeth et al., 2008）提供了一种紧凑、无歧义的记号来描述任意 可变剪接事件。其核心思想是：</p> <blockquote> <p>对于任意一对重叠的转录本，它们之间不同的剪接位点定义了 AS 事件。将这些差异 位点按位置编号，并标记为供体（^）或受体（-），即可得到唯一描述该事件结构的 编码。</p> </blockquote> <p>这一编码使得 AS 事件可以被系统地分类为具有生物学意义的类别。</p> <hr> <h2 id="输入数据与预处理">输入数据与预处理</h2> <h3 id="所需输入文件">所需输入文件</h3> <table> <thead> <tr> <th>文件</th> <th>格式</th> <th>内容</th> </tr> </thead> <tbody> <tr> <td>基因组</td> <td>FASTA</td> <td>参考基因组序列</td> </tr> <tr> <td>基因注释</td> <td>GTF</td> <td>基因模型及外显子坐标</td> </tr> <tr> <td>cDNA 比对</td> <td>GFF3 (cDNA_match)</td> <td>全长 cDNA 比对结果</td> </tr> </tbody> </table> <p>基因注释提供参考转录本结构；cDNA 比对提供实验观测到的转录本结构，可能揭示注释中 未收录的新剪接变体。</p>