當前位置：博客 > 生物信息

Trinity轉錄組組裝測試計劃

時間：2018-10-18 | 閱讀量：8103

一引言

1.1編寫目的

進行該測試以及撰寫此報告有以下幾個目的:

1) 通過使用Trinity軟件，進行不同組裝策略的轉錄組組裝測試，得到組裝效果最好的組裝策略；

2) Trinity組裝所需時間，內存及存儲峰值評估；

1.2背景

由于第二代測序測序讀長短、質量值偏低、數據量大。目前轉錄組組裝面臨的問題主要有：1）轉錄本覆蓋度不均勻，一些轉錄本覆蓋度很低，一些則會跟高；2）由于序列本身的偏向性，轉錄本內reads覆蓋度存在不一致的可能；3）與一個測序正確但低表達的轉錄本相比，一個有測序錯誤但高表達的轉錄本，其表達豐度可能更高；4）由于可變剪切，構建數據結構需考慮到一個基因有多個轉錄本的可能；5）來自不同基因的重復序列可能給組裝帶來歧義。

本次工作的目的在于通過不同組裝策略的測試，以得到一種最優的組裝方案。組裝策略主要有以下幾種：

1) 6個樣品單獨組裝，然后將組裝結果進行聚類；

2) 6個樣品數據放在一起組裝；

3) 6個樣品提取高質量數據，進行組裝，低質量數據，進行組裝；然后聯合組裝；

4) 使用Genome-guided參數與不使用該參數

1.3用戶群

主要讀者：公司研發部，公司管理人員。

其他讀者：項目及銷售相關人員。

1.4 數據對象

物種	數據類型	樣品個數	測序類型
水稻	mRNA	6個	PE90

1.5 測試階段

軟件測試

1.6測試工具

1) Perl；

2) Trinity

1.7 參考資料

1) Brian J Haas, Alexie Papanicolaou, Moran Yassour V, et al. De novo transcript sequence reconstruction from RNA-seq using the Trinity platform for reference generation and analysis, 11 July 2013; doi:10.1038.

2) Geo Pertea, Xiaoqiu Huang , et al. TIGR Gene Indices clustering tools (TGICL): a software system for fast clustering of large EST datasets, Vol. 19 no. 5 2003,

二 .測試概要

關于此項測試工作從2014年4月10日開始預計到2014年5月30日結束。

2.1 主要測試內容如下：

1) Trinity安裝以及測試；

2) 測試數據獲取及處理；

3) 編寫任務腳本及任務提交；

4) TCICL安裝以及測試；

5) 組裝結果質量評估及統計；

6) 不同組裝方法結果比較；

7) 編寫結果報告

2.2 測試詳細思路描述：

1) 6個樣品單獨組裝；

2) 6個樣品組裝結果，使用TGICL進行聚類，組裝成UniGene；

3) 6個樣品各取約2.5G數據，合起來共約16G數據組裝，（因6個樣品所有數據24G，數據量太大，trinity跑不通）；

4) 取一個樣品使用Genome-guided 參數，用有參考序列的組裝方式進行組裝；

5) 比較使用一個樣品（4G數據），與使用6個樣品（16G數據）的組裝結果差異

6) 比較使用6個樣品單獨組裝，然后聚類成的UniGene，與6個樣品數據合起來（16G數據）組裝結果差異

7) 比較使用Genome-guided 參數，和不使用Genome-guided 參數結果差異

2.3工作計劃進展

測試內容	計劃開始時間	實際開始時間	計劃完成時間	實際完成時間	工作完成情況
軟件安裝以及測試	2014年4月10日	2014年4月10日	2014年4月10日	2014年4月10日	已完成
測試數據獲取及前期處理	2014年4月10日	2014年4月18日	2014年4月14日	2014年4月18日	已完成
編寫任務腳本及任務提交	2014年4月20日	2014年4月19日	2014年4月28日	2014年5月4日	已完成
TCICL安裝以及測試	2014年4月21日	2014年4月28日	2014年4月29日	2014年5月15日	完成
組裝結果質量評估及統計	2014年4月29日	2014年5月16日	2014年5月15日	2014年5月20日	完成
不同組裝方法結果比較	2014年5月17日	2014年5月20日	2014年5月21日	2014年5月21日	完成
編寫結果報告	2014年5月21日	2014年5月21日	2014年5月22日	2014年5月22日	完成

2.2測試執行

此次測試嚴格按照項目計劃和測試計劃執行，按時完成了測試計劃規定的測試對象的測試。針對測試計劃制定規定的測試策略，依據測試計劃和測試用例，將網絡數據以及我們觀測的關鍵參數進行了完整的測試。

2.3測試用例

2.3.1功能性

1) 1.測試Trinity軟件，可以正常運行。

2) 2.測試TGICL軟件，可以正常運行

3) 3.評估不同組裝策略組裝質量狀況。

三測試環境

3.1軟硬件環境

硬件環境	服務器
硬件配置	CPU：Intel Xeon 2.66GHz *20 Memory：90GB HD：29TB
軟件配置	OS：Fedora release 14，Ubuntu 12.10 Trinity
網絡環境	20M LAN

四測試結果

使用不同方法組裝統計結果見如下表格：

物種	水稻
組裝策略	直接組裝	直接組裝	直接組裝	直接組裝	直接組裝	直接組裝	6個樣品部分數據合并組裝	3個樣品單獨組裝后，再聚類	4個樣品單獨組裝后，再聚類	5個樣品單獨組裝后，再聚類
數據量	4G	4G	4G	4G	4G	4G	16G	12G	16G	20G
樣品名稱	CQ9522_2mm_1A	CQ9522_2mm_2A	CQ9522_4mm_1A	CQ9522_4mm_2A	CQ9522_6mm_1A	eg1D34_1A	Sample6All	Sample3Culster	Sample4Culster	Sample5Culster
Total sequences	45444	45345	47746	47915	48173	48561	283184	53007	58131	62566
Total bases	42320514	42218957	44463230	44589916	44968574	45256330	263817521	52432158	59334530	65271000
Min sequence length	201	201	201	201	201	201	201	201	201	201
Max sequence length	13797	13797	12820	14676	14693	13288	14693	13797	15307	15307
Average sequence length	931.27	931.06	931.25	930.6	933.48	931.95	931.61	989.16	1020.7	1043.23
Median sequence length	583	582	601	582	580	601	587	627	642	657
N25 length	2398	2398	2331	2414	2415	2320	2379	2545	2654	2723
N50 length	1504	1503	1483	1498	1520	1474	1496	1612	1681	1732
N75 length	773	773	788	770	782	780	778	867	910	946
N90 length	375	375	378	375	375	381	376	398	409	420
N95 length	282	282	284	285	282	289	284	286	289	290
querygene number	39461	39376	40564	40759	40673	41318	109371	44589	48253	51281
subjectgene number	41754	41609	41338	41977	41652	41396	46500	43770	44768	45443
gene region alignment percentage	61.11%	61.17%	61.97%	62.81%	62.49%	62.49%	67.13%	62.73%	64.21%	64.33%
組裝reads使用率	91.76%	90.79%	91.36%	91.45%	90.11%	91.42%	94.43%	92.69%	93.28%	93.72%
存儲峰值	35G	35G	35G	35G	35G	35G	200G	80G	80G	80G
內存峰值	38G	38G	38G	38G	38G	38G	90G	78G	78G	78G
運行時間(小時)	3	3	3	3	3	3	18	3+1	3+1.2	3+1.5

4.1 軟件安裝

1) 安裝新版2014年4月新版Trinity( trinityrnaseq_r20140413.tar.bz)；

2) 安裝perl 模塊PerlIO-gzip-0.18.tar.gz;

3) 安裝TGICL(TGICL-2.1.tar.gz) ;

4) 安裝CD-HIT；

5) 安裝GMAP and GSNAP(gmap-gsnap-2014-04-20.tar.gz )；

五．測試結論與討論

從上述統計結果可以看出

1) 對于Contigs N50：樣品單獨組裝與合并clean data數據后組裝的N50差不多，樣品單獨組裝后合并略有提升。

2) Contigs數量：樣品單獨組裝后合并contigs數量比單個樣品組裝contigs數量稍多，合并并clean data數據后組裝contigs數量明顯增多（但是，數量太多）

3) Reads 使用率：合并clean data數據后組裝、樣品單獨組裝后合并 reads使用率略高于單個樣品組裝

4) 基因區域覆蓋度：合并clean data數據后組裝、樣品單獨組裝后合并 reads使用率略高于單個樣品組裝

5) 另外：

6) Genome-guided 模式沒有測通，故不在此次比較范圍內；

7) 6個樣品單獨組裝后聚類，TGICL沒有跑通，故使用了3個樣品聚類、4個樣品聚類、5個樣品聚類的結果進行比較。

8) CD-HIT是另外一種聚類軟件，2個樣品聚類可以成功運行，但是3個樣品聚類時，一直顯示任務運行但是無結果，也不報錯。

六．測試總結

根據本次測試結果，綜合考慮到內存、運行時間、組裝結果、存儲等因素，樣品單獨組裝后聚類的效果比較好。

上一篇：DifGene提升靈敏度測試總結報告下一篇：獲得disordants Reads的時候出現異常原因探查

微信 QQ 微博

乱伦中文-乱伦种子-乱伦种子下载-乱伦资源站-乱码欧美孕交-乱片免费-乱洤视频-乱人伦30p

Trinity轉錄組組裝測試計劃