科学家分析现有全RNA测序工具利弊

千姿百态

日前，两项刊登在《自然-方法学》（Nature Methods）上的研究对比了用于分析从单个细胞所有 RNA 获得的测序数据的不同计算工具。

生物体内每个细胞的DNA是相同的，但不同种类细胞间的转录为 RNA 的部分基因组却有所差别。这种差别在很大程度上影响细胞产生不同功能，所以弄清楚这种差别很重要。

单个细胞所有 RNA 集合（被称为转录组）的高通量测序采用的是一种名为 RNA-seq 的方法，该测序手段对了解许多基因功能起着一定作用，但是，从75个短碱基对序列片段中重建整个长度可达数千碱基对的转录体则需要更先进的计算工具。

研究人员对比了用于转录体分析的20多种最先进的计算手段，并用来执行 RNA-seq 分析过程的两个重要步骤：

第一项研究探讨了哪种方法最适合将序列片段标记到参考基因组上；

另一项研究侧重于重建被标记序列的转录体所需要的方法。

这两项研究均强调了现有计算方法的优势，也提出了缺点和需要改进之处。大多数转录重建方法能很好地执行一些操作比如转录的部分重组，但所有的方法都无法精确重组整个 RNA 。此次研究为今后校准方法的研发提供了有用的衡量标准。

原文检索：

Tamara Steijger, Josep F Abril, Pär G Engström, Felix Kokocinski, Tim J Hubbard, Roderic Guigó, Jennifer Harrow & Paul Bertone. Assessment of transcript reconstruction methods for RNA-seq. Nature Methods, 3 November 2013; doi:10.1038/nmeth.2714

Pär G Engström, Tamara Steijger, Botond Sipos, Gregory R Grant, André Kahles, Gunnar Rätsch, Nick Goldman, Tim J Hubbard, Jennifer Harrow, Roderic Guigó & Paul Bertone. Systematic evaluation of spliced alignment programs for RNA-seq data. Nature Methods, 3 November 2013; doi:10.1038/nmeth.2722