数据格式
- FASTQ和FASTA：均为文本文件，前者用@标记起始，后者用>标记起始。FASTQ不仅存储质量信息，还存储质量分值。
- SAM和BAM：SAM处于存储比对到参考基因组的read，BAM由索引的、压缩的、结构化的SAM数据组成。
- GFF3： 基因组序列和注释信息，可用于图形化。
- SAMtools：文件格式转换软件
可视化软件的选择
| 种类 |
优点 |
缺点 |
| 功能相同的软件包 |
最快 |
需求不同，开发和维护成本高 |
| 脚本语言或跨平台软件包 |
代码相同 |
总体性能一般 |
| JAVA |
真正跨平台的开发系统 |
需要高性能JAVA虚拟机 |
分析流程
主要包括三步：测序产生原始reads、reads比对到参考序列或自身比对、比对上reads的可视化及生物学意义阐述
| 类目 |
描述 |
| 原始序列 |
包括分析样本的ID、测序片段序列、每个碱基质量估值 |
| 比对 |
比对到染色体或scaffold、染色体上的比对位置、正反向和比对质量估值 |
| ChIP-seq |
染色体位置和正方向信息 |
| RNA-seq |
大部分比对到外显子区域 |
| 具体步骤 |
描述 |
| 理解和预处理reads |
质控和过滤 |
| 定位read |
比对到参考序列Bowtie和BWA并不适用，由于剪切位点不存在，Tophat更合适 |
| 组转和分析转录物 |
Cufflinks套件，组装并估计丰度，检测差异表达 |
| 下游分析 |
被筛选的基因进行聚类、火山图等可视化分析 |
