有参考基因组的转录组生物信息分析.pdf

一、生物信息分析流程

获得原始测序序列(SequencedReads)后，在有相关物种参考序列或参考基因组的情

况下，通过如下流程进行生物信息分析：

二、项目结果说明

1原始序列数据

TM

高通量测序(如illuminaHiSeq2000/MiSeq等测序平台)测序得到的原始图像数据文

件经碱基识别(BaseCalling)分析转化为原始测序序列(SequencedReads)，我们称之为

RawData或RawReads，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。

FASTQ格式文件中每个read由四行描述，如下：

@EAS139:136:FC706VJ:2:2104:15343:1973931:Y:18:ATCACG

GCTCTTTGCCCTTCTCGTCGAAAATTGTCTCCTCATTCGAAACTTCTCTGT

+

@@CFFFDEHHHHFIJJJ@FHGIIIEHIIJBHHHIJJEGIIJJIGHIGHCCF

其中第一行以“@”开头，随后为illumina测序标识符(SequenceIdentifiers)和描

述文字(选择性部分)；第二行是碱基序列；第三行以“+”开头，随后为illumina测序标

识符(选择性部分)；第四行是对应序列的测序质量(Cocketal.)。

illumina测序标识符详细信息如下：

EAS139Uniqueinstrumentname

136RunID

FC706VJFlowcellID

2Flowcelllane

2104Tilenumberwithintheflowcelllane

15343x-coordinateoftheclusterwithinthetile

197393y-coordinateoftheclusterwithinthetile

1Memberofapair,1or2(paired-endormate-pairreadsonly)

YYifthereadfailsfilter(readisbad),Notherwise

180whennoneofthecontrolbitsareon,otherwiseitisanevennumber

ATCACGIndexsequence

第四行中每个字符对应的ASCII值减去33，即为对应第二行碱基的测序质量值。如果

TM

测序错误率用e表示，illuminaHiSeq2000/MiSeq的碱基质量值用Q表示，则有下列

phred

关系：