1、RNA-Seq名詞解釋1.index測序的標簽，用于測定混合樣本，通過每個樣本添加的不同標簽進行數據區分，鑒別測序樣品。2.堿基質量值（Quality Score或Q-score）是堿基識別（Base Calling）出錯的概率的整數映射。堿基質量值越高表明堿基識別越牢靠，堿基測錯的可能性越小。3.Q30堿基質量值為Q30代表堿基的精確度在99.9%。4.FPKM（Fragments Per Kilobase of transcript per Million fragments mapped）每1百萬個map上的reads中map到外顯子的每1K個堿基上的fragment個數。計算公式為公式

2、中，cDNA Fragments 表示比對到某一轉錄本上的片段數目，即雙端Reads數目；Mapped Reads(Millions)表示Mapped Reads總數，以10為單位；Transcript Length(kb)：轉錄本長度，以kb個堿基為單位。5.FC（Fold Change）即差異表達倍數。6.FDR（False Discovery Rate）即錯誤發覺率，定義為在多重假設檢驗過程中，錯誤拒絕(拒絕真的原(零)假設)的個數占全部被拒絕的原假設個數的比例的期望值。通過把握FDR來打算P值的閾值。7.P值（P-value）即概率，反映某一大事發生的可能性大小。統計學依據顯著性檢驗方

3、法所得到的P 值，一般以P<0.05為顯著，P<0.01為格外顯著，其含義是樣本間的差異由抽樣誤差所致的概率小于0.05或0.01。8.可變剪接（Alternative splicing）有些基因的一個mRNA前體通過不同的剪接方式（選擇不同的剪接位點）產生不同的mRNA剪接異構體，這一過程稱為可變剪接(或選擇性剪接，alternative splicing)。可變剪接是調整基因表達和產生蛋白質組多樣性的重要機制，是導致真核生物基因和蛋白質數量較大差異的重要緣由。在生物體內，主要存在7種可變剪接類型：A）Exon skipping；B）Intron retention；C) Alt

4、ernative 5' splice site；D) Alternative 3' splice site；E) Alternative first exon；F) Alternativelast exon；G) Mutually exclusive exon。9.外顯子跳動（Exon skipping）外顯子在前體mRNA剪接形成成熟mRNA過程中被跳過，最終沒有消滅在某些成熟mRNA上，這種剪接機制被稱為外顯子跳動。10. 內含子保留（Intron retention）前體mRNA在剪接形成成熟mRNA的過程中，部分內含子被保留下來，這種剪接機制被稱為內含子保留。11. 5

5、'或3'端可變剪接前體mRNA在剪接形成成熟mRNA的過程中，5'端或3'端邊界發生不同方式的剪接，這種剪接機制被稱為5'或3'端可變剪接。12.基因結構優化由于使用的軟件或數據本身的局限性，導致所選參考基因組的注釋往往不夠精確，需要對原有注釋的基因結構進行修正，這一過程稱為基因結構優化。13. 基因間區(intergenic)指基因與基因之間的間隔序列，不屬于基因結構，不直接打算氨基酸，可能通過轉錄后調控影響性狀的區域。14. UTR:(UntranslateRegions)非翻譯區域。是信使 RNA（mRNA）分子兩端的非編碼片段。5'

6、;-UTR從mRNA起點的甲基化鳥嘌呤核苷酸帽延長至 AUG 起始密碼子，3'-UTR從編碼區末端的終止密碼子延長至多聚 A 尾巴（Poly-A）的前端。15. ORF（open reading frame）開放閱讀框或開放讀碼框。是結構基因的正常核苷酸序列，從起始密碼子到終止密碼子的閱讀框可編碼完整的多肽鏈，其間不存在使翻譯中斷的終止密碼子。16. CDS（Coding sequence）是編碼一段蛋白產物的序列，是結構基因組學術語。DNA轉錄成mRNA，mRNA經剪接等加工后翻譯出蛋白質，所謂CDS就是與蛋白質序列一一對應的DNA序列，且該序列中間不含其它非該蛋白質對應的序列，不考

7、慮mRNA加工等過程中的序列變化，總之，就是與蛋白質的密碼子完全對應。17. 插入片段大小（insert size）通過檢測雙端序列在基因組上的起止位置，可以得到插入片段的實際長度，打算了測序的長度，是信息分析的重要參數。18. 分子標記是遺傳標記的一種，直接在DNA分子上檢測遺傳變異。分子標記能對不同發育時期的個體、組織器官甚至細胞作檢測，數量極多，遍及整個基因組，多態性高，遺傳穩定，不受環境及基因表達與否的影響。目前常見分子標記主要有SNP、InDel、SSR 等。19. SNP（Single Nucleotide Polymorphism）即單核苷酸多態性，主要是指在基因組水平上由單個核

8、苷酸的變異所引起的DNA序列多態性。SNP所表現的多態性只涉及到單個堿基的變異，這種變異可由單個堿基的轉換(transition)或顛換(transversion)所引起，也可由堿基的插入或缺失所致。但通常所說的SNP并不包括后兩種狀況。20. SSR（Simple Sequence Repeat，SSR）即簡潔重復序列，又叫微衛星序列，指的是基因組中由1-6個核苷酸組成的基本單位重復多次構成的一段DNA，廣泛分布于基因組的不同位置，長度一般在200bp以下。21. 轉換(transition)同類型（嘌呤和嘌呤，或嘧啶和嘧啶）堿基之間的相互替換稱為轉換。22. 顛換(transversion

9、)不同類型（嘌呤和嘧啶）堿基之間的相互替換稱為顛換。23. RNA編輯（RNA editing）是指在mRNA水平上轉變遺傳信息的過程。具體來說，指基因轉錄產生的mRNA分子中，由于核苷酸的缺失，插入或置換，基因轉錄物的序列不與編碼序列互補，使翻譯生成的蛋白質的氨基酸組成，不同于基因序列中的編碼信息現象。24. 差異表達轉錄本（DifferentiallyExpressed Transcript，DET）指表達水平存在顯著差異的轉錄本。25. 差異表達基因（Differentially Expressed Gene，DEG）指在兩個不同條件（如對比與處理、野生型和突變型、不同時間點、不同組織等

10、）下，表達水平存在顯著差異的基因，稱之為差異表達基因。26. 生物學重復（Biological Replicates）可以定義為使用來自不同抽提的RNA樣本進行雜交，例如，同一來源獨立制備的樣本，或者不同來源的樣本（不同組織或者一個細胞系的不同培育物）。27. 技術重復使用同一個抽提的RNA進行試驗稱為技術重復。與生物學重復相比，技術重復不是完全獨立的，取平均值不能去除共有的系統偏差。28. 皮爾遜相關系數r（Pearsons Correlation Coefficient）用于度量兩個變量X和Y之間的相關（線性相關），其值介于-1與1之間。其中，1表示變量完全正相關，0表示無關，-1表示完全

11、負相關。在高通量測序中，將皮爾遜相關系數作為生物學重復相關性的評估指標。越接近1，說明兩個重復樣品相關性越強。29. UnigeneUnique Gene的英文縮寫，意為廣泛通用的基因數據庫，通過電腦對相同基因座（Locus）的收集整理集合形成一個非冗余的基因數據庫。30. Contig高通量測序中利用軟件將具有肯定長度overlap的reads連成更長的片段，這些通過reads overlap關系得到的不含N的組裝片段稱之為Contig。31. Scaffold高通量測序中reads經過拼接獲得Contigs，Contig經過確定先后挨次用N連接起來組成Scaffold。32. Contig

12、 N50Reads拼接后會得到長度不同的Contigs。將全部Contigs的長度相加后獲得一個Contig的總長度。之后將全部Contig依據序列長度由短到進步行排序，如獲得Contig1，Contig2，Contig3.。將Contig依據這個挨次一次相加，當相加的長度達到Contig總長度的一半時，最終一個加上的Contig長度即為Contig N50。33. componentTRINITY 軟件拼接過程中，由于contig的構造方法，使得各個contig之間不行能共享k個以上序列，因此這些 inchwormcontigs不能很好的表征各種可變剪切形式和同源基因等狀況，軟件中“chry

13、salis”這一步驟將那些有重疊的contigs聚類，構成ponent就成為一組可變剪切isoform或同源基因可能的表征的集合。34. de Bruijn graph使用 TRINITY 軟件拼接時，在“chrysalis”步驟中會將 component通過 overlap 關系構建成 de Bruijn圖，便于獵取可變剪切的序列。35. 數字基因表達譜（DigitalGene Expression Profile，DGE）利用新一代高通量測序技術和高性能的計算分析技術，能夠全面、經濟、快速地檢測某一物種特定組織在特定狀態下的基因表達狀況。36. small RN

14、A對長度在18-40bp的短 RNA 進行序列、結構、表達、功能上的分析，主要進行miRNA，siRNA，piRNA 幾種類型 sRNA 的分析；可與 mRNA 關聯分析。37. ncRNA（non-coding RNA）非編碼RNA。指不編碼蛋白質的RNA。其中包括 rRNA，tRNA，snRNA，snoRNA和microRNA 等多種已知功能的 RNA，及未知功能的 RNA。其共同特點是都能從基因組上轉錄而來，不需要翻譯成蛋白即可在 RNA 水平上行使各自的生物學功能。38. 降解組測序（Degradome Sequencing）利用高通量測序平臺，針對miRNA介導的剪切降解片段進行深度

15、測序，從中篩選miRNA作用的靶基因，并結合生物信息學分析確定降解片段與miRNA的精確配對信息。該技術能從細胞或組織中精確高效的篩選出 miRNA 的靶基因，為爭辯miRNA 與其對應的靶基因的相互關系供應精確、高效的篩選手段。39. lncRNA（long noncoding RNA）長鏈非編碼RNA。在長度200-100000nt之間，不具有編碼蛋白功能的轉錄本。40. 正鏈/負鏈（plus strand/minus strand）對于一個基因來說，DNA的兩條鏈中有一條鏈作為RNA合成時的模板，這條鏈叫負鏈，另一條叫正鏈。41. 反義鏈/有義鏈（antisense strand/sen

16、se strand）在雙鏈DNA中，用來轉錄mRNA的DNA鏈稱為模板鏈(template strand)，不用于轉錄的鏈則稱為非模板鏈（nontemplate strand）。依據堿基互補配對原則，轉錄出的mRNA鏈的堿基序列與非模板鏈的堿基序列全都，惟一不同的是，非模板鏈中的T mRNA鏈中全部置換成了U。正是由于非模板鏈的堿基序列實際上代表了 mRNA的堿基序列（只不過在mRNA中T換成了U），因此非模板鏈又被稱為編碼鏈（ coding strand）,有義鏈（sense strand）和克里克鏈(crick strand)，而用來轉錄mRNA的DNA鏈被稱為非編碼鏈（anticodin

17、g strand）或反義鏈（antisense strand）或沃森鏈(watson strand)。42. 鏈特異性（strand specific）：鏈特異性建庫，可以確定轉錄原來自正鏈還是負鏈。以便更加精確的獲得基因的結構以及基因表達信息。并且可以更好的發覺新的基因。（爭辯表明：很多基因組區域具有正負鏈的轉錄本，反義轉錄是真核基因的一個特征，是一種重要的調控方式。對于原核以及低等真核生物的基因組，經常具有重疊基因。43. GO（Gene Ontology）基因本體聯合會（Gene Ontology Consortium）所建立的數據庫，旨在建立一個適用于各種物種的，積累因何蛋白質功能進行

18、限定和描述的，并能隨著爭辯不斷深化而更新的語言詞匯標準。GO 是多種生物本體語言中的一種，供應了三層結構（分子功能、生物學途徑、細胞組件）的系統定義方式，用于描述基因產物的功能。網址：/。44. BSR(Bulked Segregant RNA sequencing)將轉錄組測序與集群分別分析相結合，在轉錄組范圍內開發SNPs，篩選與性狀緊密連鎖的SNPs，進行功能基因的定位，同時進行基因差異表達分析等轉錄組常規分析的技術。45. eQTL以一個分別群體中不同個體（基因型）或者是其它有遺傳結構的群體作為樣本，運用QTL分析方法分析特定基因轉錄

19、豐度差異而得到的一些遺傳區域，轉錄豐度用于作為個體中基因表達水平的衡量方式，并且作為一共性狀來分析（e Trait）。46. COG/KOGCOG是Clusters of Orthologous Groups of proteins的簡稱，KOG 為euKaryotic Ortholog Groups。這兩個注釋系統都是NCBI中基于基因直系同源關系的數據庫，其中COG針對原核生物，KOG針對真核生物。COG/KOG結合進化關系將來自不同物種的同源基因分為不同的 Ortholog簇，目前COG有4873個分類，KOG有4852個分類。來自同一 ortholog 的基因具有相同的功能，這樣就可以將功能注釋直接繼承給同一 COG/KOG 簇的其他成員。詳見http:/www.ncbi.nlm.ni