生物信息学研究的问题1-转录组分析和调控网络

遗传学的中心法则中，基因的转录调控是一个非常复杂的生物学过程，许多基因和调控因子参与其中，通过复杂的基因调控网络发挥特定的生物学功能。随着高通量测序技术的发展，通过生物信息学手段进行分析，有利的推动了基因转录及其调控活动的研究。

目前认为，遗传信息通过信使RNA（mRNA）从DNA传递到蛋白质。mRNA发挥生物信息传递桥梁的作用。狭义上，转录组指的是特定条件下基因组转录出来的所有mRNA的总和，广义上，指的是细胞某一状态下转录出来所有RNA的总和，主要包括mRNA和非编码RNA（non-coding RNA, ncRNA）。针对转录组数据的常规分析流程主要包括测序数据的比对和拼接、基因表达定量分析，后续下游也可以进行数据可视化、差异表达基因的功能分析、基因可变剪切和基因簇分析等。

1、转录组的序列比对和拼接

比对：从测序公司获得转录组测序数据之后，可以根据有无参考基因组进行不同的分析。如果已有参考基因组，将RNA-seq数据直接比对到参考基因组上，在进行拼接；对于没有参考基因组的转录组数据，则需要直接从头拼接转录本。目前比较流行的RNA-seq读序比对软件有：Bowtie/Cufflinks/HISAT/TopHat/StringTie/RUM/MapSplice等。值得注意的是真核生物的成熟mRNA是经过剪切去除内含子区域的，并且存在可变剪切的现象，所以RNA-seq序列比对到基因组上时会出现空位，在应用不同的RNA-seq和基因组重测序数据比对软件时需要注意。

拼接：目前常用Cufflinks/StringTie对有参转录组数据进行拼接，而对于无参转录组数据首先需要通过具有重叠区域的读序进行拼接，得到较短的contig，然后将读序比对到contig上，进一步将contig拼接成sc