转录组有参考生物信息分析结题报告模版-V2.0 - 图文 

北京诺禾致源生物信息科技有限公司 转录组有参考基因组生物信息分析结题报告

一、生物信息分析流程

获得原始测序序列（Sequenced Reads）后，并且其相应的基因组参考序列( Reference Genome )可以获得的情况下，可以用有参考基因组信息分析流程对数据进行详细的分析，分析流程图如下：

1 北京诺禾致源生物信息科技有限公司 二、结果展示

1. 原始序列数据

高通量测序（如Illunima HiSeqTM2000/ Miseq等测序平台）测序得到的原始图像数据文件经碱基识别（Base Calling）分析转化为原始测序序列（Sequenced Reads），我们称之为Raw Data或Raw Reads，结果以FASTQ（简称为fq）文件格式存储，其中包含测序序列（reads）的序列信息以及其对应的测序质量信息。测序样品中真实数据随机截取结果如下：

@HWI-ST1106:227:D14F6ACXX:1:1101:1202:2188 1:N:0:GCCAAT

CGGATGATCTTCTTAATCTCTCCTTGCATAGTTATGAAACAGTCCGTGGACTTGCTGGAAAATCTCTCTTGAAGATGATGAAGAGATGGCCCTCTACAAT +

CCCFFFDFFHHHHJJJJJIJIGGGIGICIGIIJEIIJIIJJI@DHEDHECFGGAHGGJGHIICGEEIEHGGGIECEEHH@HE>C@EBBE@CCDDCCCDDC @HWI-ST1106:227:D14F6ACXX:1:1101:1237:2217 1:N:0:GCCAAT

GAAGGTGAGTCTGAGGAGGCCAAGGAGGGAATGTTTGTGAAAGGATATGTCTACTAAGATATTAGAAAGTATGTACTACTACTACTACTACATGTTTTCA +

@@@FDADDFDHFHIIIDHIIJJJGICGGGCGHGFIGHBHEHHGI;BDHHCFGCHIIIIEHGIGHHIJJE7??ACHCDFFFFFEEECCEE>C>ACCCDC>@ @HWI-ST1106:227:D14F6ACXX:1:1101:1382:2195 1:N:0:GCCAAT

TTTTGCAACAATGGCTTCCACCATGATGACTACTCTACCACAGTTCAATGGACTCAAACCCCAACCTTTCTCAGCTTCTCCAATTCAAGGCTTGGTGGCA +

@@@DD3DDFFFF:CDGI@GIEEDH@AAD;;;@@####### @HWI-ST1106:227:D14F6ACXX:1:1101:1255:2239 1:N:0:GCCAAT

CGGATTTTCAAGGGCCGCCGGGAGCGCACCGGACACCACGCGACGTGCGGTGCTCTTCCAGCCGCTGGACCCTACCTCCGGCTGAGCCGATTCCAGGGTG +

CCCDFFFFHHH?FHIIIJJJJJIGBEHHJJBHBDDCDAC??@@BDBBBBD8BDDCDDACC@A?@BBB@<(8>?395?4:(:<@## @HWI-ST1106:227:D14F6ACXX:1:1101:1423:2239 1:N:0:GCCAAT

CTTGTATTGCTCTCCCACAACCCCGTTTTCACGGTTTAGGCTGCTCCCATTTCGCTCGCCGCTACTACGGGAATCGCTTTTGCTTTCTTTTCCTCTGGCT +

CCCFDFFFHHHHHJJIJJJJJIJJGGIHIIGIIJGIGGIJJGGGJGIJ>FGIIGHGGBEHBCCBBDDD@BB@@@C::@C

2 北京诺禾致源生物信息科技有限公司 2. 测序数据质量评估 2.1 测序错误率分布检查

测序错误率与碱基质量有关，受测序仪本身、测序试剂、样品等多个因素共同影响。通常测序序列（Sequenced Reads）5’端前几个碱基的错误率相对较高，随着序列的延伸，3’端碱基错误率会不断升高，这是由高通量测序的技术特点决定的。项目结果见图1。

图1 测序错误率分布图

横坐标为reads的碱基位置，纵坐标为单碱基错误率。其中前100个碱基位置为双端 测序序列的第一端测序Reads的分布情况，随后100bp是另一端测序reads的分布情况。

3 北京诺禾致源生物信息科技有限公司 2.2 A/T/G/C含量分布检查

对于RNA-seq来说，因随机性打断及G/C和A/T含量分别相等的原则，理论上GC及AT含量每个测序循环上应分别相等，且整个测序过程稳定不变，呈水平线。项目结果见图2。

图2 GC含量分布图

横坐标为reads的碱基位置，纵坐标为单碱基所占的比例。不同颜色代表不同的碱基类型

4 北京诺禾致源生物信息科技有限公司 2.3 测序数据过滤

测序得到的原始测序序列（Sequenced Reads）或者raw reads，里面含有带接头的、低质量的reads，为了保证信息分析质量，必须对raw reads过滤，得到clean reads，后续分析都基于clean reads。项目结果见图3。

图３ 原始数据过滤结果

5