[发明专利]基于参考基因组注释文件的高通量测序技术动物tRFs数据分析方法

说明书

本发明提出了一种基于参考基因组注释文件的高通量测序技术动物tRFs数据分析方法，包括文件准备步骤、tRNA数据库整理步骤、GO、KEGG背景文件整理步骤、下机数据质控步骤、参考基因组比对步骤、tRFs比对注释步骤、差异tRFs分析步骤、靶基因预测及富集分析步骤、网页版报告整理步骤。本发明结果全面，包含涉及到的tRFs分析内容以及其靶基因预测，GO、KEGG富集分析以及对应的可视化展示；自动整理所有分析结果，每一步分析完成之后自动对结果进行汇总统计，可视化，以及逻辑化归类整理，结果文件可直接用于生成网页版报告；所有操作步骤可以溯源，方便错误查询，如果分析报错，会有对应的报错日志信息。

技术领域

本发明属于高通量转录组测序领域，具体涉及一种基于参考基因组注释文件的高通量测序技术动物tRFs数据分析方法。

背景技术

tRFs(长度为15-30nt)是在某些特定情况下，由成熟tRNA或前体tRNA被特异性剪切产生的；tRFs在动物中行使与miRNA类似的功能，参与转录后基因表达调控，研究tRFs的表达差异，tRFs的靶基因、以及其作用机制，是转录组数据分析中的重要一部分，对于动物基因的表达调控机制有重要意义。

tRNA在绝大多数物种的参考基因组注释文件中都有注释，但多数物种缺少 tRFs的注释，相应的trfdb数据库也没有收录相关物种信息，但是基于物种的参考基因组注释文件，也可以进行tRFs的分析。目前还没有针对无参考tRFs 数据的tRFs的数据分析工具，特别是没有自动化的分析实现tRFs测序结果的流程化分析工具，包括tRFs的鉴定，表达量分析和差异分析，靶基因位点分析， GO、KEGG功能富集分析等各个步骤的自动化整合。

现有的动物tRFs高通量分析方法存在如下缺陷：

(1)适用性不强：只能分析现有tRFs数据库的物种；

(2)结果展示不完整：分析结果过于简单，数据挖掘的不深入，缺少数据对应的可视化展示内容。

发明内容

为了克服现有技术所存在的上述缺陷，本发明的目的在于提供一种基于参考基因组注释文件的高通量测序技术动物tRFs数据分析方法。

为了实现本发明的目的，所采用的技术方案是：

本发明提供了一种基于参考基因组注释文件的高通量测序技术动物tRFs数据分析方法，包括如下步骤：

(1)文件准备步骤：

准备config文件，读取后用于进行数据自动化质控以及后续数据分析；

(2)tRNA数据库整理步骤：

使用bedtools软件，利用NCBI或者Ensembl数据库中物种现有的参考基因组序列文件、参考基因组gff注释文件获得物种的tRNA序列信息包括转运的氨基酸，长度，反向密码子以及碱基信息；

(3)GO、KEGG背景文件整理步骤：

使用所述参考基因组序列文件、所述参考基因组gff注释文件提取物种的 mRNA序列；根据所述mRNA序列文件、KEGG数据库、SwissProt数据库，整理GO、 KEGG背景文件，包括mRNA注释文件，GO富集背景文件，KEGG富集背景文件， KEGG注释文件，KEGG pathway文件；

(4)下机数据处理步骤：