跳到主页内容
美国国旗

美国政府的官方网站

Dot政府

gov意味着它是官方的。
联邦政府网站通常以.gov或.mil结尾。之前分享敏感信息，确保你在联邦政府政府网站。

Https系统

网站是安全的。
这个https（https）：//确保您连接到官方网站，并且您提供的任何信息都是加密的并安全传输。

访问密钥 NCBI主页 MyNCBI主页 主要内容 主导航
比较研究
.2008年9月；18（9）：1509-17。
doi:10.1101/gr.079558.108。 Epub 2008年6月11日。

RNA-seq：技术再现性评估及与基因表达阵列的比较

约翰·马里奥尼 1, 克里斯托弗·梅森, Shrikant M Mane公司, 马修·斯蒂芬, 尤夫·吉拉德
附属公司
比较研究

RNA-seq：技术再现性评估及与基因表达阵列的比较

约翰·马里奥尼等。 基因组研究. 2008年9月.

摘要

超高通量测序正在成为基因分型、甲基化模式分析和转录因子结合位点鉴定的微阵列的一种有吸引力的替代品。在这里，我们描述了Illumina测序（以前称为Solexa测序）平台用于研究mRNA表达水平的应用。我们的目标是评估与Illumina测序相关的技术方差，并将其识别差异表达基因的能力与现有阵列技术进行比较。为此，我们使用多个测序副本估计了肝脏和肾脏RNA样本之间的基因表达差异，并将测序数据与使用相同RNA样本从Affymetrix阵列获得的结果进行了比较。我们发现，Illumina测序数据具有高度的可复制性，技术差异相对较小，因此，在许多情况下，每个mRNA样本只需测序一次即可（即使用一条通道）。在识别差异表达基因方面，Illumina测序数据的单个通道中的信息似乎与单个阵列中的信息相当，同时允许进行其他分析，例如检测低表达基因、选择性剪接变异体和新转录物。基于我们的观察，我们提出了一个使用超高通量测序技术分析基因表达的经验方案和统计框架。

PubMed免责声明

数字

图1。
图1。
研究设计的图形表示。(A类)实验设计总结。(B类)在两次运行中对每个样本进行排序的车道。在每次运行中，控制样本在车道中排序5样品在两种浓度下进行测序：1.5 pM（用星号表示）和3 pM（无星号）。
图2。
图2。
用于评估车道效果的绘图。每个面板显示一个qq-比较统计数据分布的绘图(Y（Y）-轴）在不存在车道效应的情况下的理论分布(X（X）-轴）。与线路的偏差年=x个表示车道效应的存在。（红色点）95%以上；（蓝色点）99.5%以上。(A类)使用时的典型结果对-从超几何检验统计中得出的值，用于比较用于在相同浓度下对相同样本进行排序的两条车道。（在该面板中，使用了肾脏样本在第1次跑步、第1条跑道和第2次跑步和第2条跑道中测序时生成的数据；所有两两比较参见补充图4。）(B类)比较用于在不同浓度下对同一样品进行排序的两条通道时的类似结果。（在该面板中，使用了肾脏样本在第1次跑步、第1条跑道和第2次跑步和第4条跑道中测序时生成的数据；所有两两比较参见补充图5。）(C类,D类)结果（在两个不同的尺度上），当使用良好度统计来评估泊松模型与在3 pM浓度下测序的肾脏数据的拟合度时。肝脏样本显示出类似的模式（补充图6）。
图3。
图3。
将Illumina测序中的肾脏计数与阵列中的归一化强度进行比较(左边)和肝脏(正确的). 在每个面板中，平均值（log2)每个基因的计数绘制在X（X）-轴和来自阵列的相应归一化强度显示在Y（Y）-轴。为了避免记录0，在记录日志之前，我们将每个平均计数加1。
图4。
图4。
估算测井对比2Illumina的褶皱变化（肝脏/肾脏）(Y（Y）-轴）和Affymetrix(X（X）-轴）。我们只考虑使用平台和基因询问的基因，其中肝和肾样本的跨泳道平均计数均大于0。（红点和绿点）根据Illumina测序数据以0.1%的FDR进行差异表达的基因，两个组织中的平均计数大于（红色）或小于（绿色）250。（黑点）根据Illumina测序数据未被称为差异表达的基因。显示两种技术之间相关性最强的差异表达基因集似乎是那些被多次读取映射到的基因（红色），而被较少读取映射到差异表达基因的相关性较弱（绿色）。
图5。
图5。
维恩图总结了被称为差异表达的基因之间的重叠(左边圆）序列数据和(正确的圆）数组。这两种技术调用的基因数量由两个圆圈之间的重叠表示。
图6。
图6。
可选拼接示例。全外显子结构C17或45肾脏显示（ENSG00000175061）(顶部)和肝脏(底部)外显子按比例绘制。（黑色）映射到每个外显子和外显子连接的读取数。（灰色）映射到可选剪接外显子连接（即非连续外显子之间的连接）的读取数。（外显子下方的黑线）该基因在第2条跑道第2条（肾脏）和第2条高速公路第3条（肝脏）中的定位。
请参阅PMC中的此图像和版权信息

类似文章

查看所有类似文章

引用人

查看所有“被引用”文章

工具书类

    1. Allison D.、Cui X.、Page G.、Sabripour M.、Cui X、Page G、Sabribour M.、Page G.、Sapripour M、Sabrifour M..微阵列数据分析：从混乱到整合和共识。Nat.Rev.基因。2006年；7:55–65.-公共医学
    1. Bennett S.、Barnes C.、Cox A.、Davies L.、Brown C.、Barnes C..、Cox A..、DaviesL.、Brawn C.、CoxA.、Davis L.、布朗C.、戴维斯L.、棕色C.、布朗C.走向1000美元的人类基因组。药物基因组学。2005;6:373–382.-公共医学
    1. Cokus S.、Feng S.、Zhang X.、Chen Z.、Merriman B.、Haudenschild C.、Pradhan S.、Nelson S.、Pellegrini M.、Jacobsen S.、Fung S.，Zhang X、Chen Z、Chen X、Merrimen S。，Haudenschild C.、Pradhan S.、Nelson S.、Pellegrini M.、Jacobsen S.、Merriman B.、Haudenshild C.、普拉丹S.、尼尔森S.、佩莱格里尼M.、雅各布森S.、Haudnschild C.，Pradhen S.、纳尔逊S.、珀莱格里尼M、雅各布斯S。拟南芥基因组的Shotgun亚硫酸氢盐测序揭示了DNA甲基化模式。自然。2008;452:215–219.-项目管理咨询公司-公共医学
    1. de Jonge H.、Fehrmann R.、de Bont E.、Hofstra R.、Gerbens F.、Kamps W.、de Vries E.、van der Zee A.、te Meerman G.、ter Elst A.、Fehrann R.，de Bont E.、Hofstra R.，Gerbans F.，Kamps W、de Vlies E.、van der Zee A、te Merman G.、te Elst A。，Hofstra R.、Gerbens F.、Kamps W.、de Vries E.、van der Zee A.、te Meerman G.、ter Elst A.、Gerbins F.，Kamps W、de Vlies E.、van der Zee A、te Merman G.、te Elst A、Kamps-W.、der Vries E、van er Zee A.，te Meerman-G.、ter Elster A.、de Vrys E。，te Meerman G.、ter Elst A.和ter Elst A。家政基因的循证选择。公共科学图书馆一号。2007年；2:e898。doi:10.1371/journal.pone.0000898。-内政部-项目管理咨询公司-公共医学
    1. ENCODE项目联盟通过编码试点项目对人类基因组中1%的功能元件进行识别和分析。自然。2007年；447:799–816.-项目管理咨询公司-公共医学