利用下一代测序数据进行非模式动物的无参考转录组组装

下一代测序（NGS）技术为野外采样的非模式生物群体基因组学研究提供了契机。转录组是实现此类目标的便捷且常用的研究对象。然而，利用NGS转录组数据设计遗传标记需要从短读段（short reads）中组装出基因编码序列。由于基因重复、遗传多态性、可变剪接和转录噪声的存在，这是一项复杂的任务。典型的组装程序会返回数以千计的预测重叠群（contigs），其与物种真实基因内容的关系尚不明确，从中界定SNP也绝非易事。在此，我们利用新生成的454和Illumina测序读段组装了五种不同非模式动物物种（野兔、海龟、蚂蚁、牡蛎和被囊动物）的转录组。在两种拥有可用参考基因组的物种中，我们引入了一种新流程，根据与相应参考序列blast比对命中的数量及其重叠情况，将每个预测的contig注释为全长cDNA、片段、嵌合体、等位基因、旁系同源基因、基因组序列或其他。分析表明：(i) 结合454和Illumina数据可获得最高质量的组装；(ii) 典型的从头（de novo）组装包含大部分不相关的cDNA预测；(iii) 通过基于长度和覆盖度过滤contigs可以对组装结果进行适当的清理。我们的结论是，利用转录组NGS数据对数千个基因进行稳健的无参考组装是可行的，这为基于转录组的动物群体基因组学开辟了广阔的前景。本研究提供了一个实现我们最佳组装策略的Galaxy流程管线。