欧书华，刘学军，张　礼

南京航空航天大学计算机科学与技术学院，南京210016

ISSN 1673-9418 CODEN JKYTA8

Journal of Frontiers of Computer Science and Technology 1673-9418/2016/10(03)-0381-08



基于平滑LDA的RNA-Seq数据表达分析研究*

欧书华+，刘学军，张礼

南京航空航天大学计算机科学与技术学院，南京210016

ISSN 1673-9418 CODEN JKYTA8

Journal of Frontiers of Computer Science and Technology 1673-9418/2016/10(03)-0381-08

E-mail: fcst@vip.163.com

http://www.ceaj.org

Tel: +86-10-89056056

* The National Natural Science Foundation of China under Grant No. 61170152 (国家自然科学基金); the Qinglan Project of Jiangsu Province (江苏省青蓝工程) ; the Fundamental Research Funds for the Central Universities of China under Grant No. CXZZ11_0217(中央高校基本科研业务费专项资金).

Received 2015-04,Accepted 2015-06.

CNKI网络优先出版: 2015-06-19, http://www.cnki.net/kcms/detail/11.5602.TP.20150619.1044.001.html

摘要：RNA-Seq是目前转录组研究的一种重要技术，针对RNA-Seq数据分析中读段的多源映射，参考序列分布的不均匀性，一些转录本中外显子分布稀疏以及跨结合区读段处理问题，提出了一个新的转录组表达研究book=382,ebook=86模型sLDASeq。该模型根据基因中转录本注释信息对模型参数进行约束，对跨结合区的读段按长度分配处理，解决了读段非均匀分布和跨结合区问题；在模型中增加一个超参数，从而解决了外显子的稀疏问题。将该模型应用到3个真实的数据集上，并与其他主流方法进行比较，结果表明该模型获得了较为准确的基因以及转录本表达水平计算结果。

关键词：RNA-Seq；基因转录本表达水平；平滑LDA；结合区；多源映射；非均匀性

1　引言

RNA-Seq是近年来发展迅速的深度测序技术[1-3]，该技术通过记录每个基因中读段的表达频率来量化转录组，相比其他方法具有信噪比高、灵敏度高、分辨率高、背景噪声低、所需样本少等特点[4]，并提供了寻找新的基因、转录本和病变的组织特异基因的方法[5-7]。RNA-Seq数据处理通常分为3个步骤:首先，将读段映射到参考基因组或转录组上；其次，利用比对上的读段重建参考基因组或转录组；……