基于平滑LDA的RNA-Seq數(shù)據(jù)分析研究.pdf

1、隨著下一代高通量DNA測序技術(shù)的快速發(fā)展，RNA-seq技術(shù)逐漸成為了轉(zhuǎn)錄組學(xué)研究的基本實(shí)驗(yàn)手段。相比傳統(tǒng)的基因芯片技術(shù)，RNA-seq技術(shù)具有高信噪比，高靈敏度，所需樣本少等特點(diǎn)。但是利用RNA-seq技術(shù)進(jìn)行表達(dá)水平估計時仍然存在很多挑戰(zhàn)，比如讀段的多源映射和非均勻分布等問題。本文針對上述問題，提出了一個轉(zhuǎn)錄組表達(dá)水平估計方法sLDASeq。該模型根據(jù)基因中轉(zhuǎn)錄本注釋信息對模型參數(shù)進(jìn)行約束，對跨結(jié)合區(qū)的讀段按長度分配處理，解決了讀段

2、跨結(jié)合區(qū)問題，并在模型中考慮了外顯子的稀疏問題。另外sLDASeq模型引入代表異構(gòu)體表達(dá)水平的隱含變量，對讀段在異構(gòu)體和外顯子上分布進(jìn)行建模，從而解決讀段在參考序列分布非均勻問題。通過模擬數(shù)據(jù)集和多個真實(shí)數(shù)據(jù)集的驗(yàn)證，相比與其它主流方法，sLDASeq方法能獲得較為準(zhǔn)確的基因和異構(gòu)體表達(dá)水平。
　　在RNA-seq數(shù)據(jù)分析中，最基本的研究目的是尋找樣本中差異表達(dá)的基因和異構(gòu)體。但目前大多數(shù)方法都是識別單個異構(gòu)體的差異表達(dá)，無法同時