转录组数据分析概论

转录组（RNA-seq）数据分析涵盖了从基础的序列处理到基因表达定量与功能解析，广泛应用于个体和群体层面的研究。以下将二代测序（Illumina）和三代测序（PacBio Iso-Seq 或 ONT）转录组数据分析的主要内容进行归纳，同时根据少样本和群体的特征进行分类总结。

---

一、二代测序（Illumina RNA-seq）转录组数据分析

1. 少样本个体分析

(1) 数据质控与预处理

• 原始数据质控：使用工具（如 FastQC 和 MultiQC）评估数据质量。
• 数据清洗：Trimmomatic 或 fastp 去除低质量序列和接头污染。

(2) 比对与定量

• 比对到参考基因组：利用 STAR、HISAT2 或 Salmon 将序列比对到参考基因组。
• 无参考基因组组装（De novo assembly）：
  • 适用于无参考基因组的物种（如 Trinity）。
• 基因表达定量：FeatureCounts、RSEM 或 Salmon 定量基因表达量。

(3) 差异表达分析

• 工具：DESeq2、edgeR 或 limma。
• 结果输出：
  • 差异表达基因（DEGs）列表。
  • 火山图、热图展示显著基因。

(4) 功能注释与富集分析

• 注释数据库整合：如 KEGG、GO 数据库，用于基因功能注释。
• 富集分析：使用 clusterProfiler 进行功能富集分析（GO 和 KEGG 路径）。

(5) 可变剪接分析

• 识别差异可变剪接事件（工具如 rMATS、SUPPA2）。
• 应用：发现可能与表型相关的剪接异构体。

(6) 基因融合分析

• 识别基因融合事件，特别是癌症或疾病研究（工具如 STAR-Fusion、FusionCatcher）。

(7) 非编码 RNA 分析

• miRNA、lncRNA 或 circRNA 的预测与功能分析。
• 应用：研究调控网络或生物学通路。

---

2. 群体水平分析

(1) 种群基因表达差异

• 分析种群之间的表达量变化。
• 应用工具：DESeq2 批量处理群体样本，筛选特异性表达基因。

(2) 表达数量性状位点（eQTL）分析

• 分析基因表达水平与基因型变异的关联。
• 工具：FastQTL、MatrixEQTL。
• 应用：研究调控位点，揭示基因-表型关系。

(3) 共表达网络分析

• WGCNA（加权基因共表达网络分析）：
  • 构建共表达网络，寻找与性状高度关联的模块和关键基因。
• 应用：探索基因调控网络，筛选候选基因。

(4) 环境或条件依赖性表达

• 分析基因在不同环境或处理条件下的表达模式（如耐高温和高温敏感性分析）。
• 方法：构建多因子设计（factorial design）分析表达变化。

(5) 时序分析

• 分析动态条件下的表达模式变化。
• 工具：ImpulseDE2、timecourse。

(6) 转录组选择信号

• 差异表达结合种群遗传学分析：筛选选择压力下特异表达基因。

---

二、三代测序（长读长 RNA-seq，Iso-Seq 和 ONT）转录组数据分析

1. 少样本个体分析

(1) 全长转录本组装

• 工具：PacBio Iso-Seq（SMRTlink）或 ONT 的 FLAIR。
• 应用：获取完整的转录本，识别复杂剪接异构体。

(2) 转录本注释

• 与参考基因组比对（如 GMAP）或新转录本注释（如 TAPIS）。
• 注释功能域、非编码 RNA、可变剪接异构体。

(3) 新基因和新异构体的发现

• 长读长数据可以更精准地发现：
  • 新基因、新外显子。
  • 完整的UTR序列。
  • 新的非编码 RNA。

(4) 结构变异与表达量结合分析

• 检测长片段插入/缺失对基因表达的影响。

---

2. 群体水平分析

(1) 泛转录组分析

• 使用群体数据构建泛转录组数据库：
  • 总结核心转录本和可变转录本。
  • 应用：种群间转录组多样性研究。

(2) 剪接变异的群体分布

• 比较种群间剪接异构体的表达分布。
• 应用：研究表型调控相关剪接异构体。

(3) 耐受性与适应性分析

• 比较耐环境胁迫群体与敏感群体的转录组变化。
• 结合长读长数据解析剪接差异。

---

三、少样本 vs. 群体转录组分析特点对比

特点	少样本分析	群体水平分析
研究目标	个体特异性表达、剪接分析、新基因发现	群体间差异、选择信号、共表达网络
数据量	样本量小，重点在深度覆盖	样本量大，数据需适当标准化
重点方向	深入解析个体基因功能与调控	群体遗传基础、环境适应与性状关联
关键分析	新基因、新转录本、差异表达	eQTL、WGCNA、共表达与选择信号

---

四、转录组结合多组学分析

1. 基因组-转录组联合

• 目标：将转录组差异表达与基因组变异关联。
• 应用：寻找功能位点或调控元件。

2. 转录组-表观组联合

• 目标：结合 RNA-seq 和 ATAC-seq/ChIP-seq 数据，研究转录调控机制。
• 应用：研究启动子、增强子与基因表达调控。

3. 转录组-代谢组联合

• 目标：结合基因表达与代谢物数据，构建通路网络。
• 应用：解析代谢途径的调控与功能。

---

通过以上分析框架，可以从转录组数据中挖掘基因表达调控模式、调控因子和功能通路，并结合群体遗传学和表型数据进行综合解读。