焦磷酸测序（3）信号空间比对

terence

信号空间比对，自己造的一词，不管准不准确，姑且用之。信号空间比对是说用测序仪的原始信号进行比对，而非碱基序列，比如454用亮度信号，SOLiD用颜色序列。因为测序仪的Base Caller是用统计的方法将原始信号转换成碱基序列，不可避免地会在测序仪错误之上再引入新的错误。直接在信号空间中做序列比对，是为了尽可能地避免这种错误，因为在后续的SNP calling时可以降低虚警率（false positive）。SOLiD在这方面的工作比较多，比如，多伦多大学的Brudno教授开发的 SHRiMP 和 VARiD，还有 PerM 和 ComB。

目前，454在这方面的工作只看到 PSB‘08 的 FLAT 和 Christopher Quince，et al， Nature Methods，09。

序列比对的查询序列（Query）和目标序列（Target）的属性应该是一致的，要么都是碱基序列，要么都是信号序列。对于454，第一步就是如何把碱基序列表示成信号序列，这里介绍一种编码，RLE。

RLE: Run Length Encoding
举个例子目标碱基序列是AACGAAATT，测序仪按照CGAT顺序输入反应物。这个碱基序列的RLE编码是<C,0><G,0><A,2><T,0><C,1><G,1><A,3><T,2>，RLE编码的第一个字符表示当前反应的碱基，第二个数字表示反应的数目。

上一篇介绍了测序仪的Error Model，对于454，Error Model 是 P( Intensity | Run Length )。把Error Model变换成序列比对的打分函数（Scoring Function），再设定插入删除的分值，就可以用动态规划做比对了。

zouquan

赞，
没见过454的原始数据，我拿到的就是一个fasta文件和一个对应的qual文件，qual文件是fasta中每一位的质量，一般从30-45；

cap3等软件号称能够考虑qual文件中的信息，但我看有没有qual运行时间和运行结果都没啥变化，估计也只是“号称”，没有真正用到；否则应该多花费时间，至少也要多花费空间。

terence

zouquan 发表于 2011-7-19 16:48
赞，
没见过454的原始数据，我拿到的就是一个fasta文件和一个对应的qual文件，qual文件是fasta中每一位的质 ...

NCBI的SRA上的数据都有原始数据。