रीड मैपिंग अनिश्चितता के साथ RNA-Seq जीन अभिव्यक्ति का अनुमान

हम एक जनरेटिव सांख्यिकीय मॉडल और संबंधित निष्कर्ष विधियों को प्रस्तुत करते हैं जो एक सिद्धांत के तरीके से रीड मैपिंग अनिश्चितता को संभालते हैं। वास्तविक RNA-Seq डेटा द्वारा मानांकित सिमुलेशन के माध्यम से, हम दिखाते हैं कि हमारा तरीका पिछले तरीकों की तुलना में अधिक सटीक है। हमारी सुधारित सटीकता सांख्यिकीय मॉडल के माध्यम से रीड मैपिंग अनिश्चितता को संभालने और जीन अभिव्यक्ति स्तरों के अनुमान के परिणामस्वरूप है, जो आइसोफॉर्म अभिव्यक्ति स्तरों के योग के रूप में है। पिछले तरीकों के विपरीत, हमारी विधि गैर-समरूप रीड वितरण को मॉडल करने में सक्षम है। हमारे तरीके के साथ सिमुलेशन यह दर्शाते हैं कि 20-25 बेस का रीड लंबाई माउस और मक्का RNA-Seq डेटा से जीन-स्तरीय अभिव्यक्ति अनुमान के लिए आदर्श है जब अनुक्रमण थ्रूपुट निश्चित होता है।