Pacbio全長轉錄組測序

CCS數據展示

PacBio測序儀每個cell含有ZMWs，reads進入ZMW孔中被測序，一個ZMW中含一條的reads（P1）為有效數據。通過有效數據的子序列獲得一致序列即為每個單分子測序反應器ZMW的CCS序列。CCS序列是每個單分子測序反應器ZMW里插入序列的最高質量序列。CCS序列可以從一定程度上評估建庫質量和SMRT? Cell上樣時序列的長度。

全長轉錄本數目統計

通過檢測CCS序列中是否包含正確的5’引物，3’引物及polyA尾，將序列分成全長序列（包含5’引物，3’引物及polyA尾）和非全長序列。去除CCS序列中cDNA 引物序列及polyA序列獲得建庫時的插入序列，同時根據建庫時兩端引物的差別確定鏈合成方向，將序列分為全長序列和非全長序列、嵌合序列和非嵌合序列。全長序列長度反映了建庫時cDNA序列長度，可通過統計全長序列的長度評估建庫質量。

轉錄本GO注釋

GO數據庫是GO組織（Gene Ontology Consortium）于2000年構建的一個結構化的標準生物學注釋系統，旨在建立基因及其產物知識的標準詞匯體系，適用于各個物種。GO注釋系統是一個有向無環圖，包含三個主要分支，即:生物學過程（Biological Process），分子功能（Molecular Function）和細胞組分（Cellular Component）。

可變剪接分析

基因轉錄生成的前體mRNA（pre-mRNA），有多種剪接方式，選擇不同的外顯子，產生不同的成熟mRNA，從而翻譯為不同的蛋白質，構成生物性狀的多樣性。這種轉錄后的mRNA加工過程稱為可變剪接或選擇性剪接（Alternative splicing）。可變剪接類型包括：(A) 外顯子跳躍；(B) 可變轉錄終止位點；(C) 可變外顯子；(D) 可變轉錄起始位點；(E) 內含子保留。百邁客使用Astalavista軟件獲取每個樣品存在的可變剪接類型。結合RNA-Seq數據可以使用rMATS進行不同分組間的差異可變剪接分析。

轉錄本NR注釋

Nr數據庫是NCBI中的非冗余蛋白質數據庫，包含了Swissprot、PIR(Protein Information Resource)、PRF(Protein Research Foundation)、PDB(Protein Data Bank)蛋白質數據庫及從GenBank和RefSeq的CDS數據翻譯過來的蛋白質數據信息。通過序列比對尋找同源物種，并進行注釋。

轉錄本KEGG注釋

在生物體內，不同的基因產物相互協調來行使生物學功能，對表達基因的通路（Pathway）注釋分析有助于進一步解讀基因的功能。KEGG（Kyoto Encyclopedia of Genes and Genomes）是系統分析基因功能、基因組信息數據庫，它有助于研究者把基因及表達信息作為一個整體網絡進行研究。

可變多聚腺苷酸化

多聚腺苷酸化是指多聚腺苷酸與信使RNA（mRNA）分子的共價鏈結。在蛋白質生物合成的過程中，這是產生準備作翻譯的成熟mRNA的方式的一部份。在真核生物中，多聚腺苷酸化是一種機制，令mRNA分子于它們的3’端中斷。多聚腺苷酸尾（或聚A尾）保護mRNA，免受核酸外切酶攻擊，并且對轉錄終結、將mRNA從細胞核輸出及進行翻譯都十分重要。在原核生物中，前體mRNA的可變多聚腺苷酸化（alternative polyadenylation,APA）可能貢獻于轉錄組多樣性，基因組的編碼能力以及基因的調控機制。百邁客采用TAPIS pipeline來對全長非嵌合序列（FLNC）進一步分析以識別APA。