适合可变剪接研究的转录组序列分析策略

第$&卷第%期国防科技大学学报‘FIV./?F^./2@F./?I.@a0V1@2GF^-0^0.1020MB.F?F6GaKNU$&.KU%$""’文章编号：（$""’）!""!#$%&’"%#""()#"’

适合可变剪接研究的转录组序列分析策略!

$王正志!，李稚锋!，，杭兴宜$，毛逸清(，骆志刚%，赵东升(，张成岗$

（!*国防科技大学机电工程与自动化学院，湖南长沙

北京$*军事医学科学院放射与辐射医学研究所，

北京(*军事医学科学院卫生勤务与医学情报研究所，%!"")(；!""&+"；!""&+"；

%!"")(）湖南长沙%*国防科技大学并行与分布处理国防科技重点实验室，

摘要：规模化基因表达实验所产生的大量与生物组织特定时空状态相关的,-./和表达序列标签

（012）等信息可用于新基因的发现、基因表达模式分析和基因组的注释，从而可为转录组研究提供实验设计

和结果分析的参考标准。真核基因可变剪接的普遍性及其在机体生理与病理过程中的重要作用，使得可变剪

接的系统分析已成为功能基因组研究中的热点之一。在面临海量表达数据的指数增长和不断有新的基因组

获得测序的情况下，实现转录组序列分析的规模化、自动化计算迫在眉睫。讨论不同转录组分析系统中的数

据分析算法及其计算需求，并提出适用于大规模可变剪接分析的策略。

可变剪接；高性能计算关键词：转录组；012聚类；012装配；

中图分类号：23(4(文献标识码：/

!"#$%&’%#()*+!&’,-.&/0%*1#2,’3)-/-+*&23%#&,’%/4#

$03/./,(5#-#’&."

$，5/.6789:;<=8>!，?@78><A9:;!，B/.6C>:;<D>$，E/FG><H>:;(，?IF78><;J:;%，7B/F-K:;<L89:;(，7B/.6M89:;<;J:;$

（!*MKNN9;9KAE9,8JOPK:>,L0:;>:99P>:;J:Q/ROKSJO>K:，.JO>K:JNI:>TUKA-9A9:L929,8:KNK;D，M8J:;L8J%!"")(，M8>:J；

$*@:LO>ORO9KAVJQ>JO>K:E9Q>,>:9，/,JQ9SDKAE>N>OJPDE9Q>,JN1,>9:,9L，W9>X>:;!""&+"，M8>:J；

(*@:LO>ORO9KAB9JNO8/QS>:>LOPJO>K:J:QE9Q>,JN@:AKPSJO>K:，/,JQ9SDKAE>N>OJPDE9Q>,JN1,>9:,9L，W9>X>:;!""&+"，M8>:J；

%*.JO>K:JN?JYKA3JPJNN9NJ:Q->LOP>YRO9Q3PK,9LL>:;，.JO>K:JNI:>TUKA-9A9:L929,8:KNK;D，M8J:;L8J%!"")(，M8>:J）

26-%&’.%：0Z[9P>S9:OLK:OPJ:L,P>[OKS9J:JNDL>L8JT9P9LRNO9Q8R;9;9:9L9Z[P9LL>K:QJOJP9NJO9Q\>O8L[9,>A>,O9S[KPJNJ:QL[JO>JN

J:JNDL>LKA;9:9L9Z[P9LL[JOO9P:LJ:QO89J::KOJO>K:KA;9:KS9L，\8>,8>:AKPSJO>K:U289L9QJOJ,J:Y9RL9Q>::9\;9:9L>Q9:O>A>,JO>K:，

SJD[PKT>Q9O89P9A9P9:,9LOJ:QJPQAKP9Z[9P>S9:OQ9L>;:J:QP9LRNOJ:JNDL>LKAOPJ:L,P>[OKS99Z[9P>S9:OLU1>:,9O89JNO9P:JO>T9L[N>,>:;KA9R]JPDKO>,;9:9L8JT9AKR:QOKY9R:>T9PLJNJ:Q[NJDJ:>S[KPOJ:OPKN9>:[8DL>KNK;DJ:Q[JO8KNK;D，LDLO9SJO>,J:JNDL>LKAJNO9P:JO>T9L[N>,>:;>LY9,KS>:;J:9\8KOL[KOKAAR:,O>K:JN;9:KS9P9L9JP,8U^J,>:;O89>SS9:L9J:Q9Z[K:9:O>JN>:,P9JL9KA9Z[9P>S9:OJN9Z[P9LLQJOJJ:QSKP9:9\;9:KS9L;9OO>:;L9HR9:,9Q，O89P9>L9Z>;9:OKAO89LOPJO9;D\8>,8,J:8J:QN9OPJ:L,P>[OKS9L9HR9:,9L>:NJP;9L,JN9J:QJROKSJO>,\JDU599NR,>QJO9O89JN;KP>O8SL，O89,KS[RO>:;P9HR>P9S9:OLJ:Q[PK;PJSL>:Q>AA9P9:OOPJ:L,P>[OKS9L9HR9:,9LJ:JNDL>LLDLO9SLJ:Q[PK[KL9JLOPJO9;DSKP9LR>OJYN9AKPNJP;9L,JN9J:JNDL>LKAJNO9P:JO>T9L[N>,>:;U

7#)8*&9-：OPJ:L,P>[OKS9；012,NRLO9P>:;；012JLL9SYND；JNO9P:JO>T9L[N>,>:;；8>;8[9PAKPSJ:,9,KS[RO>:;

大规模基因表达分析是转录组研究的核心，它能够直接揭示参与特定生命过程的基因及其状态的变化，其发展导致蕴含基因表达信息的表达序列标签（012）数据快速增长。最早由美国.MW@于!44$年创建的012数据库（QY012，8OO[：的记录数量已达($&4万条，其中来自__\\\U:,Y>U:NSU:>8U;KT_QY012_）

于人的已超过)’"万条。基因的数量、表达模式以及可能的功能一直是转录组研究需要回答的问题，而

［!］近年来可变剪接普遍性的发现使得这个问题更加复杂。由此，数据分析方法的效率和可变剪接的分

$""’#"(#$!!收稿日期：

基金项目：国家并行与分布处理国防重点实验室基金资助项目（+!%&%"+"("%‘W%%"!）；军事医学科学院科技创新启动基金资助项目

第1页下一页