×
杰米·阿尔纳西尔。;Hugh P.Shanahan。

转录组学：使用MapReduce量化非均匀读取分布。 （英语） Zbl 1416.92127号

发现的国际期刊。计算。科学。 29，第8期，1355-1372（2018）.
摘要：RNA-seq是一种高通量的下一测序技术，用于估计转录组中所有转录物的浓度。该方法涉及复杂的准备和后处理步骤，可能会引入偏差，并且该技术会产生大量数据[A.科内萨等人，“RNA-seq数据分析最佳实践调查”，《基因组生物学》。17、第1、13号（2016年；doi:10\.1186/s13059-016-0881-8)；F.米查姆，“高通量序列数据中系统错误的识别和纠正”，BMC生物信息学12，No.1，451（2011；doi:10\.1186/1471-2105-12-451)].因此，处理RNA-seq数据的两个重要挑战是处理大量数据的能力，以及量化公共RNA-seq数据集中偏差的方法。我们描述了一种基于序列模体相关性分析的新分析方法，该方法使用Apache Spark上的MapReduce在深外显子水平量化下一代测序（NGS）数据中的偏差。我们的实现是专门为处理大型数据集而设计的，并允许在提供MapReduce的云服务提供商上进行扩展和部署。在调查黑腹角雉（D.melanogaster）物种的野生和突变生物类型时，我们发现与其他基序序列相比，带有Gs序列（或其补体）的基序序列表现出较低的基序-对相关性。这与野生型数据中的平均外显子GC含量无关，但在突变数据中存在轻微依赖性。因此，虽然两个数据集显示出相同的趋势，但两个样本之间存在显著差异。

MSC公司：

92D20型 蛋白质序列，DNA序列

关键词：

转录组测序;MapReduce;转录组学;4个月;基序分析;果蝇属

软件：

EDAseq公司;Hadoop公司;磁粉探伤
PDF格式BibTeX公司 XML格式引用
\textit{J.J.Alnasir}和\textit{H.P.Shanahan}，Int.J.Found。计算。科学。29，第8号，1355--1372（2018；Zbl 1416.92127）
全文： 内政部

参考文献：

[1] S.Aerts，ku leuven的S.Aerts计算生物学实验室（LCB），http://gbiomed.kuleuven.be/english/research/50000622/lcb/。（2012）[在线；2017年1月4日访问]。
[2] Alnasir，J.和Shanahan，H.P.，《序列读取档案中协议测序步骤注释的调查》，GigaScience4（2015）23。
[3] Apache软件基金会，Hadoop 2.7文档，http://hadoop.apache.org/文档/r2.7.2/。（2016）[在线；2017年1月6日访问]。
[4] S.R.存档，序列读取存档概述（SRA），https://trace。ncbi.nlm.nih.gov/Traces/sra/sra.cgi/。（2017）[在线；2017年1月3日访问]。
[5] ArrayExpress、EMBL-EBI、ArrayExpress功能基因组数据，https://www.ebi.ac.uk/arrayexpress/。（2017）[在线；2017年1月3日访问]。
[6] Chen，Y.C.et al.，下一代测序数据中gc偏差对从头开始基因组组装的影响，PLoS one8（4）（2013）e62856。
[7] Conesa，A.等人，《RNA-seq数据分析最佳实践调查》，《基因组生物学》17（1）（2016）13。
[8] Edgar，R.，《基因表达总览：NCBI基因表达和杂交阵列数据存储库》，《核酸研究》30（1）（2002）207-210。
[9] Fish，B.等人，《关于mapreduce的计算复杂性》，摘自《分布式计算国际研讨会》（Springer，2015），第1-15页·Zbl 1394.68176号
[10] Hansen，K.D.、Brenner，S.E.和Dudoit，S.，随机六聚体启动引起的Illumina转录组测序偏差，核酸研究38（12）（2010）e131。
[11] Hughes，J.，《为什么函数编程很重要》，《计算机杂志》32（2）（1989）98-107。
[12] Kukurba，K.R.和Montgomery，S.B.，RNA测序和分析，《冷泉港协议》2015（11）（2015）pdb-top084970。
[13] Lämmel，R.，《重新审视谷歌mapreduce编程模型》，《计算机编程科学》70（1）（2008）1-30·Zbl 1129.68414号
[14] Leinonen，R.、Sugawara，H.和Shumway，M.，序列读取档案，核酸研究39（数据库版）（2011）D19-21。
[15] Li，H.等人，《序列比对/地图格式和样本工具》，《生物信息学》25（16）（2009）2078-2079。
[16] Li，J.，Jiang，H.和Wong，W.H.，《rna-seq数据中短读速率的非均匀性建模》，《基因组生物学》11（5）（2010）1。
[17] Liu，R.，Loraine，A.E.和Dickerson，J.A.，植物系统中使用rna-seq进行差异选择性剪接检测的计算方法比较，BMC生物信息学15（1）（2014）1。
[18] Lykke-Andersen，S.和Jensen，T.H.，《剪掉它：转录组中噪音的沉默》，《自然结构与分子生物学》13（10）（2006）860。
[19] Meacham，F.等人，《高通量序列数据中系统误差的识别和校正》，BMC生物信息学12（1）（2011）451。
[20] Memon，F.N.等人，《使用云计算识别g-四倍体对affymetrix 3'阵列的影响》，《综合生物信息学杂志》7（111）（2010）。
[21] Mendenhall，W.和Sincich，T.，《工程与科学统计》（Dellen Publishing Company，San Francisco，CA，USA，1992）·Zbl 0776.62004号
[22] Mortazavi，A.等人，《通过RNA-seq对哺乳动物转录体进行绘图和量化》，《自然方法》5（7）（2008）621-628。
[23] Naval-Sánchez，M.等人，《比较基序发现与比较转录组学相结合产生准确的靶组和增强子预测》，《基因组研究》23（1）（2013）74-88。
[24] Ozsolak，F.等人，《直接RNA测序》，Nature461（7265）（2009）814-818。
[25] Palidwor，G.A.、Perkins，T.J.和Xia，X.，由gc突变偏倚引起的密码子偏倚的一般模型，《公共科学图书馆·综合》5（10）（2010）e13431。
[26] Park，J.W.等人，使用rnaseq mats从RNA测序数据中识别差异选择性剪接事件，深度测序数据分析（2013）171-179。
[27] Raz，T.等人，基于测序的基因表达测量的协议依赖性，PLoS One6（5）（2011）e19287。
[28] Risso，D.et al.，RNA-seq数据的Gc含量标准化，BMC生物信息12（1）（2011）480。
[29] Roberts，A.等人，《通过修正片段偏差改进RNA-Seq表达估计》，《基因组生物学》12（3）（2011）R22。
[30] N.Sanger，Ensembl，GTFGFF文件格式规范，http://www.ensembl.org/info/website/upload/gff.html。（2012）【在线；2016年11月15日访问】。
[31] Shendure，J.等人，《高级测序技术：方法和目标》，《自然评论遗传学》5（5）（2004）335-344。
[32] Snir，M.，MPI-完整参考：MPI核心，第1卷（麻省理工学院出版社，1998年）。
[33] Stalteri，M.A.和Harrison，A.P.，《在非对称性基因芯片中映射到同一基因的多个探针集的解释》，BMC生物信息学8（1）（2007）1。
[34] Stephens，Z.D.等人，《大数据：天文学还是基因组学？《公共科学图书馆·生物学》13（7）（2015）1-11。
[35] Struhl，K.，转录噪声和RNA聚合酶ii启动的保真度。《自然结构分子生物学》14（2）（2007）103-105。
[36] Taylor，R.C.，《hadoop/mapreduce/hbase框架及其在生物信息学中的当前应用概述》，BMC生物信息学11（Suppl 12）（2010）S1。
[37] Upton，G.J.、Langdon，W.B.和Harrison，A.P.，G-spots导致不规则微阵列中的错误表达测量，BMC Genomics9（1）（2008）1。
[38] Wagner，G.P.，Kin，K.和Lynch，V.J.，使用RNA-seq数据测量mRNA丰度：样本之间的Rpkm测量不一致，《生物科学理论》131（4）（2012）281-285。
[39] Wang，Z.、Gerstein，M.和Snyder，M.，RNA-seq:转录组学的革命性工具，《自然评论遗传学》10（1）（2009）57-63。
[40] Zheng，W.，Chung，L.M.和Zhao，H.，RNA测序数据中的偏差检测和校正，BMC生物信息学12（1）（2011）1。
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。