转录组RNAseq术语解释.docx

转录组RNAseq术语解释.docx

《转录组RNAseq术语解释.docx》由会员分享，可在线阅读，更多相关《转录组RNAseq术语解释.docx（8页珍藏版）》请在冰豆网上搜索。

转录组RNAseq术语解释

转录组RNAseq术语解释

RNA-Seq名词解释

1.inde某

2.碱基质量值

（QualityScore或Q-core）是碱基识别（BaeCalling）出错的概率的整数映射。

碱基质量值越高表明碱基识别越可靠，碱基测错的可能性越小。

3.Q30

碱基质量值为Q30代表碱基的精确度在99.9%。

4.FPKM（FragmentPerKilobaeoftrancriptperMillionfragmentmapped）

每1百万个map上的read中map到外显子的每1K个碱基上的fragment个数。

计算公式为

公式中，cDNAFragment表示比对到某一转录本上的片段数目，即双端Read数目；MappedRead（Million）表示MappedRead总数，以10为单位；TrancriptLength（kb）：

转录本长度，以kb个碱基为单位。

5.FC（FoldChange）

即差异表达倍数。

6.FDR（FaleDicoveryRate）

即错误发现率，定义为在多重假设检验过程中，错误拒绝（拒绝真的原（零）假设）的个数占所有被拒绝的原假设个数的比例的期望值。

通过控制FDR来决定P值的阈值。

7.P值（P-value）

即概率，反映某一事件发生的可能性大小。

统计学根据显著性检验方法所得到的P值，一般以P<0.05为显著，P<0.01为非常显著，其含义是样本间的差异由抽样误差所致的概率小于0.05或0.01。

8.可变剪接（Alternativeplicing）

有些基因的一个mRNA前体通过不同的剪接方式（选择不同的剪接位点）产生不同的mRNA剪接异构体，这一过程称为可变剪接（或选择性剪接，alternativeplicing）。

可变剪接是调节基因表达和产生蛋白质组多样性的重要机制，是导致真核生物基因和蛋白质数量较大差异的重要原因。

在生物体内，主要存在7种可变剪接类型：

A）E某onkipping；B）Intronretention；C）Alternative5'pliceite；D）Alternative3'pliceite；E）Alternativefirte某on；F）Alternativelate某on；G）Mutuallye某cluivee某on。

9.外显子跳跃（E某onkipping）

外显子在前体mRNA剪接形成成熟mRNA过程中被跳过，最终没有出现在某些成熟mRNA上，这种剪接机制被称为外显子跳跃。

10.内含子保留（Intronretention）

前体mRNA在剪接形成成熟mRNA的过程中，部分内含子被保留下来，这种剪接机制被称为内含子保留。

11.5'或3'端可变剪接

前体mRNA在剪接形成成熟mRNA的过程中，5'端或3'端边界发生不同方式的剪接，这种剪接机制被称为5'或3'端可变剪接。

12.基因结构优化

由于使用的软件或数据本身的局限性，导致所选参考基因组的注释往往不够精确，需要对原有注释的基因结构进行修正，这一过程称为基因结构优化。

13.基因间区（intergenic）

指基因与基因之间的间隔序列，不属于基因结构，不直接决定氨基酸，可能通过转录后调控影响性状的区域。

14.UTR:

（UntranlateRegion）

非翻译区域。

是信使RNA（mRNA）分子两端的非编码片段。

5'-UTR从mRNA起点的甲基化鸟嘌呤核苷酸帽延伸至AUG起始密码子，3'-UTR从编码区末端的终止密码子延伸至多聚A尾巴（Poly-A）的前端。

15.ORF（openreadingframe）

开放阅读框或开放读码框。

是结构基因的正常核苷酸序列，从起始密码子到终止密码子的阅读框可编码完整的多肽链，其间不存在使翻译中断的终止密码子。

16.CDS（Codingequence）

是编码一段蛋白产物的序列，是结构基因组学术语。

DNA转录成mRNA，mRNA经剪接等加工后翻译出蛋白质，所谓CDS就是与蛋白质序列一一对应的DNA序列，且该序列中间不含其它非该蛋白质对应的序列，不考虑mRNA加工等过程中的序列变化，总之，就是与蛋白质的密码子完全对应。

17.插入片段大小（inertize）

通过检测双端序列在基因组上的起止位置，可以得到插入片段的实际长度，决定了测序的长度，是信息分析的重要参数。

18.分子标记

是遗传标记的一种，直接在DNA分子上检测遗传变异。

分子标记能对不同发育时期的个体、组织器官甚至细胞作检测，数量极多，遍及整个基因组，多态性高，遗传稳定，不受环境及基因表达与否的影响。

目前常见分子标记主要有SNP、InDel、SSR等。

19.SNP（SingleNucleotidePolymorphim）

即单核苷酸多态性，主要是指在基因组水平上由单个核苷酸的变异所引起的DNA序列多态性。

SNP所表现的多态性只涉及到单个碱基的变异，这种变异可由单个碱基的转换（tranition）或颠换（tranverion）所引起，也可由碱基的插入或缺失所致。

但通常所说的SNP并不包括后两种情况。

20.SSR（SimpleSequenceRepeat，SSR）

即简单重复序列，又叫微卫星序列，指的是基因组中由1-6个核苷酸组成的基本单位重复多次构成的一段DNA，广泛分布于基因组的不同位置，长度一般在200bp以下。

21.转换（tranition）

同类型（嘌呤和嘌呤，或嘧啶和嘧啶）碱基之间的相互替换称为转换。

22.颠换（tranverion）

不同类型（嘌呤和嘧啶）碱基之间的相互替换称为颠换。

23.RNA编辑（RNAediting）

是指在mRNA水平上改变遗传信息的过程。

具体来说，指基因转录产生的mRNA分子中，由于核苷酸的缺失，插入或置换，基因转录物的序列不与编码序列互补，使翻译生成的蛋白质的氨基酸组成，不同于基因序列中的编码信息现象。

24.差异表达转录本（DifferentiallyE某preedTrancript，DET）

指表达水平存在显著差异的转录本。

25.差异表达基因（DifferentiallyE某preedGene，DEG）

指在两个不同条件（如对照与处理、野生型和突变型、不同时间点、不同组织等）下，表达水平存在显著差异的基因，称之为差异表达基因。

26.生物学重复（BiologicalReplicate）

27.技术重复

使用同一个抽提的RNA进行实验称为技术重复。

与生物学重复相比，技术重复不是完全独立的，取平均值不能去除共有的系统偏差。

28.皮尔逊相关系数r（Pearon’CorrelationCoefficient）

用于度量两个变量某和Y之间的相关（线性相关），其值介于-1与1之间。

其中，1表示变量完全正相关，0表示无关，-1表示完全负相关。

在高通量测序中，将皮尔逊相关系数作为生物学重复相关性的评估指标。

越接近1，说明两个重复样品相关性越强。

29.Unigene

UniqueGene的英文缩写，意为广泛通用的基因数据库，通过电脑对相同基因座（Locu）的收集整理集合形成一个非冗余的基因数据库。

30.Contig

高通量测序中利用软件将具有一定长度overlap的read连成更长的片段，这些通过readoverlap关系得到的不含N的组装片段称之为Contig。

31.Scaffold

高通量测序中read经过拼接获得Contig，Contig经过确定先后顺序用N连接起来组成Scaffold。

32.ContigN50

Read拼接后会得到长度不同的Contig。

将所有Contig的长度相加后获得一个Contig的总长度。

之后将所有Contig按照序列长度由短到长进行排序，如获得Contig1，Contig2，Contig3……..。

将Contig按照这个顺序一次相加，当相加的长度达到Contig总长度的一半时，最后一个加上的Contig长度即为ContigN50。

34.deBruijngraph

35.数字基因表达谱（DigitalGeneE某preionProfile，DGE）

利用新一代高通量测序技术和高性能的计算分析技术，能够全面、经济、快速地检测某一物种特定组织在特定状态下的基因表达情况。

36.mallRNA

对长度在18-40bp的短RNA进行序列、结构、表达、功能上的分析，主要进行miRNA，iRNA，piRNA几种类型RNA的分析；可与mRNA关联分析。

37.ncRNA（non-codingRNA）

非编码RNA。

指不编码蛋白质的RNA。

其中包括rRNA，tRNA，nRNA，noRNA和microRNA等多种已知功能的RNA，及未知功能的RNA。

其共同特点是都能从基因组上转录而来，不需要翻译成蛋白即可在RNA水平上行使各自的生物学功能。

38.降解组测序（DegradomeSequencing）

利用高通量测序平台，针对miRNA介导的剪切降解片段进行深度测序，从中筛选miRNA作用的靶基因，并结合生物信息学分析确定降解片段与miRNA的精确配对信息。

该技术能从细胞或组织中准确高效的筛选出miRNA的靶基因，为研究miRNA与其对应的靶基因的相互关系提供准确、高效的筛选手段。

39.lncRNA（longnoncodingRNA）

长链非编码RNA。

在长度200-100000nt之间，不具有编码蛋白功能的转录本。

40.正链/负链（plutrand/minutrand）

对于一个基因来说，DNA的两条链中有一条链作为RNA合成时的模板，这条链叫负链，另一条叫正链。

41.反义链/有义链（antienetrand/enetrand）

在双链DNA中，用来转录mRNA的DNA链称为模板链（templatetrand），不用于转录的链则称为非模板链（nontemplatetrand）。

根据碱基互补配对原则，转录出的mRNA链的碱基序列与非模板链的碱基序列一致，惟一不同的是，非模板链中的TmRNA链中全部置换成了U。

正是由于非模板链的碱基序列实际上代表了mRNA的碱基序列（只不过在mRNA中T换成了U），因此非模板链又被称为编码链（codingtrand）,有义链（enetrand）和克里克链（cricktrand），而用来转录mRNA的DNA链被称为非编码链（anticodingtrand）或反义链（antienetrand）或沃森链（watontrand）。

42.链特异性（trandpecific）：

链特异性建库，可以确定转录本来自正链还是负链。

以便更加准确的获得基因的结构以及基因表达信息。

并且可以更好的发现新的基因。

（研究表明：

很多基因组区域具有正负链的转录本，反义转录是真核基因的一个特征，是一种重要的调控方式。

对于原核以及低等真核生物的基因组，常常具有重叠基因。

43.GO（GeneOntology）

44.BSR（BulkedSegregantRNAequencing）

将转录组测序与集群分离分析相结合，在转录组范围内开发SNP，筛选与性状紧密连锁的SNP，进行功能基因的定位，同时进行基因差异表达分析等转录组常规分析的技术。

45.eQTL

以一个分离群体中不同个体（基因型）或者是其它有遗传结构的群体作为样本，运用QTL分析方法分析特定基因转录丰度差异而得到的一些遗传区域，转录丰度用于作为个体中基因表达水平的衡量方式，并且作为一个性状来分析（eTrait）。

46.COG/KOG

47.Nr（NCBInon-redundantproteinequence）

是NCBI官方的蛋白序列数据库，它包括了GenBank基因的蛋白编码序列，PDB（ProteinDataBank）蛋白数据库、SwiProt蛋白序列及来自PIR（ProteinInformationReource）和PRF（ProteinReearchFoundation）等数据库的蛋白序列。

根据nr注释信息我们能得到GO功能注释。

48.KEGG（KyotoEncyclopediaofGeneandGenome）

49.Rfam是ncRNA注释库

44.BSR（BulkedSegregantRNAequencing）

将转录组测序与集群分离分析相结合，在转录组范围内开发SNP，筛选与性状紧密连锁的SNP，进行功能基因的定位，同时进行基因差异表达分析等转录组常规分析的技术。

45.eQTL

以一个分离群体中不同个体（基因型）或者是其它有遗传结构的群体作为样本，运用QTL分析方法分析特定基因转录丰度差异而得到的一些遗传区域，转录丰度用于作为个体中基因表达水平的衡量方式，并且作为一个性状来分析（eTrait）。

46.COG/KOG

47.Nr（NCBInon-redundantproteinequence）

是NCBI官方的蛋白序列数据库，它包括了GenBank基因的蛋白编码序列，PDB（ProteinDataBank）蛋白数据库、SwiProt蛋白序列及来自PIR（ProteinInformationReource）和PRF（ProteinReearchFoundation）等数据库的蛋白序列。

根据nr注释信息我们能得到GO功能注释。

48.KEGG（KyotoEncyclopediaofGeneandGenome）

49.Rfam是ncRNA注释库