【項目文章】三代測序構建兔子轉(zhuǎn)錄本圖譜

公司新的三代項目文章-動物篇
兔子（Oryctolagus cuniculus），是重要的哺乳動物，基因組大小為2.66Gb，由于其與人類系統(tǒng)發(fā)育關系密切，并且具有生命周期短、性格溫順等特點，因此在生物醫(yī)學研究中將兔子作為模式動物。特別是，兔子在脂蛋白代謝方面與人類相似，因此被認為是研究人類高膽固醇的常用動物模型。轉(zhuǎn)錄多樣性對真核生物的生物調(diào)控有很大貢獻，本研究中采用PacBio單分子長讀長測序技術，用于繪制兔的轉(zhuǎn)錄本圖譜。

1、材料和方法

材料：3只新西蘭母兔，分別取21日齡、49日齡、84日齡，7個不同部位的組織器官（腦、心臟、肺、肝、脾、腸竇、后腿骨骼?。?1個樣本，分別提取RNA，等量RNA混合為單個樣品，分別進行二代和三代測序。
測序策略：
二代測序：Illumina平臺、PE150測序；
三代測序：構建0–1, 1–2, 2–3, 3–6 和5–10 kb五個文庫，PacBio RS II平臺測序，共測13個SMRT Cell
方法和思路：“3+2”測序模式，對混合的RNA進行測序，獲得高可信度的轉(zhuǎn)錄本，完善參考基因組注釋，比較三代全長轉(zhuǎn)錄組測序和二代轉(zhuǎn)錄組測序在旁系同源基因的還原上的優(yōu)勢，由此說明通過PacBio鑒定得到的轉(zhuǎn)錄本能夠更好的注釋基因以及還原基因結構。

2、結果與分析

2.1三代測序和糾錯
共獲得802,358個ROIs序列，其中有1.466,034全長非嵌合（FL）序列和316,000非全長（nFL）序列。
同時，二代測序獲得~120百萬clean reads，這些序列用來對三代的測序結果進行校正，顯示總共135,178個序列（86.2%）被二代測序數(shù)據(jù)校正，錯誤片段的長度比例相對較低（中位數(shù)8％）。

 

Figure 1.ROIs的分類和糾錯

2.2 可變剪接和聚腺苷酸化
PacBio鑒定到多達24,797個AS事件，并對這些可變剪接進行分類統(tǒng)計（Table 1），在兔的參考基因組中僅發(fā)現(xiàn)2,398個AS事件，將數(shù)據(jù)合并后共得到34,173個AS事件，且可變剪接事件包含不同的4中類型，另外，鑒定到11,184個APA事件。挑選5個基因，并用圖表示出不同的isoform比對到參考基因模型上（Figure 2）。

Table 1.可變剪接事件分析（IR：內(nèi)含子保留；ES：外顯子跳躍；Alt.5’：可變的5’端；Alt.3’：可變的）

Figure 2. 三代測得轉(zhuǎn)錄本的不同isoforms，在數(shù)據(jù)庫中的參考基因模型如圖示中被標記有染色體位置、基因ID和基因名稱

2.3 與已知參考基因比對分析
通過對PacBio鑒定到的轉(zhuǎn)錄本的分析發(fā)現(xiàn)，有3,334個基因位點包含了3,637個轉(zhuǎn)錄本在參考基因中沒有注釋，并且有12,112個轉(zhuǎn)錄本被注釋到參考基因的內(nèi)含子上，這些新發(fā)現(xiàn)的轉(zhuǎn)錄本大部分長度為1000~2000bp。

2.4 非編碼RNA分類
通過比對到參考蛋白數(shù)據(jù)庫，有30,183個轉(zhuǎn)錄本可編碼蛋白、6,003個轉(zhuǎn)錄本不能編碼蛋白，并且這些非編碼的轉(zhuǎn)錄本外顯子少、表達量低、且外顯子與內(nèi)含子在長度上的比值相較于可編碼蛋白的轉(zhuǎn)錄本略高（Figure 3）。對轉(zhuǎn)錄本進行分類（Table 2）。
對非編碼轉(zhuǎn)錄本基因進行分類，1,794個為基因間區(qū)、3,558個基因定位于可編碼轉(zhuǎn)錄本。

Figure 3.可編碼和非編碼轉(zhuǎn)錄本比較

Table 2. 分類非編碼轉(zhuǎn)錄本（U：上游；D：下游；E：外顯子；I：內(nèi)含子）

2.5 旁系同源基因分析
選擇10個主要組織相容性復合體（MHC）旁系同源基因，這些基因都被注釋在1.2-Mbp的12號染色體上（Figure 4）。結果顯示除了HLA-A之外，與參考基因組注釋相比，PacBio轉(zhuǎn)錄本的所有基因結構都得到很好得恢復。 此外，PacBio數(shù)據(jù)還支持很多尚未注釋的轉(zhuǎn)錄本。所有的這些同源基因由于其轉(zhuǎn)錄本序列非常相似，很難通過二代組裝的方式都還原，而三代測序方式能夠很好地鑒定出旁系同源基因。

Figure 4.基因通過PacBio所測轉(zhuǎn)錄本和組裝得到的轉(zhuǎn)錄本還原10個MHC基因。染色體定位、命名和每個基因的Ensembl編號（在左側(cè)）。

如圖所示：從上到下排列依次為，Ensembl中的參考轉(zhuǎn)錄本（黑色），外顯子-內(nèi)含子結構通過一個個方框分開；PacBio transcripts(紅色)；Cufflinks(綠色)和Trinity(褐色)為組裝的轉(zhuǎn)錄本。

3、總結

二代測序由于短read組裝的困難，獲得全長轉(zhuǎn)錄本仍然是一個巨大的挑戰(zhàn)。在本研究中采用PacBio單分子長讀長測序技術，用于繪制兔的轉(zhuǎn)錄本圖譜。結果提供了一整套全面的轉(zhuǎn)錄本參考數(shù)據(jù)集，從而有助于改進兔基因組的注釋。

參考文獻

Chen S Y, Deng F, Jia X, et al. A transcriptome atlas of rabbit revealed by PacBio single-molecule long-read sequencing[J]. Scientific Reports, 2017, 7(1):7648.