4个水稻DGE生物信息分析结题报告 l 生物信息分析流程 l 项目结果说明 ¡ 原始序列数据 ¡ 测序数据质量评估 ¡ 参考序列比对分析 ¡ 基因表达水平分析 ¡ RNA-seq整体质量评估 ¡ 基因差异表达分析 ¡ 差异基因GO富集分析 ¡ 差异基因KEGG富集分析 l 参考文献 第 1 页 / 共 2 6 页北京诺禾致源生物信息科技有限公司 一、生物信息分析流程 获得原始测序序列(Sequenced Reads)后,在有相关物种参考序列或参考基因组的情况下,通过如下流程进行生物信息分析: 第 2 页 / 共 26 页北京诺禾致源生物信息科技有限公司 二、项目结果说明 1 原始序列数据 高通量测序(如Illumina HiSeqTM2000/Miseq等测序平台)测序得到的原始图像数据文件经碱基识别(Base Calling)分析转化为原始测序序列(Sequenced Reads),我们称之为Raw Data或Raw Reads,结果以FASTQ(简称为fq)文件格式存储,其中包含测序序列(reads)的序列信息以及其对应的测序质量信息。 FASTQ格式文件中每个read由四行描述,如下: @M00329:2:000000000-A0HGR:1:1:16318:1464 1:N:0:9 NAAGAACACGTTCGGTCACCTCAGCACACTTGTGAATGTCATGGGATCCAT + #55???BBBBB?BA@DEEFFCFFHHFFCFFHHHHHHHFAE0ECFFD/AEHH 其中第一行以“@”开头,随后为Illumina 测序标识别符(Sequence Identifiers)和描述文字(选择性部分);第二行是碱基序列;第三行以“+”开头,随后为Illumina 测序标识别符(选择性部分);第四行是对应序列的测序质量(Cock et al.)。 Illumina 测序标识别符详细信息如下: 第四行中每个字符对应的ASCII值减去33,即为对应第二行碱基的测序质量值。如果测序错误率用e表示,Illumina HiSeqTM2000/Miseq的碱基质量值用Qphred表示,则有下列关系: 公式1: Qphred = -10log10(e) Illumina Casava 1.8版本测序错误率与测序质量值简明对应关系如下: M00329Instrument – unique identifier of the sequencer 2run number – Run number on instrument 000000000-A0HGRFlowCell ID – ID of flowcell 1LaneNumber – positive integer, currently only 11TileNumber – positive integer 16318X – x coordinate of the spot. Integer which can be negative 1464Y – y coordinate of the spot. Integer which can be negative 1ReadNumber - 1 for single reads; 1 ...