بررسی مقایسه ای مابین نرم افزارهای مختلف پیرایش و پاکسازی برای RNA-Seq

در حالیکه کمتر از یک دهه از معرفی روش RNA-Seq بعنوان یک روش بیوانفورماتیک می گذرد، روش مذکور با سرعت چشم گیری توسعه پیدا نمودهاست. این پیشرفتها کل مراحل فرآیند این روش از آماده سازی نمونه ها و ابزار انجام آن تا سیستم های پلتفرم ، پردازش و تجزیه و تحلیل داده ها را دربرمیگیرد. فرآیند دستورزی داده های RNA-Seq از کنترل کیفیت بایگانی و آرشیو داده های به دست آمده از پلتفرم و ابزار تعیین توالی ژنتیکی شروع می شود،با پیرایش ، تمیزوغربال نمودن داده ها ادامه می یابد و به تعیین سطح بیان ژنی، تفسیر و هستی شناسی یا انتولوژی ژنی ختم می شود. یکی از عوامل اصلیبرای بررسی ها و تحقیقات مبتنی بر RNA-Seq داشتن داده های خام اولیه پیراسته و تمیزتر در حد امکان است تا بتوان نتایج قابل اعتمادتر و بهتر برایچینش، مونتاژ، نقشه برداری قطعات خوانده شده و همچنین برای تفسیر و تعیین بیان مقایسه ای مختلف ژنی ، چند ریختی تک نوکلئو تیدی یاSNP ها،امتزاج ژنها، هستی شناسی ژن و غیره بدست آورد. برنامه های گوناگونی که در محیط های برنامه نویسی و الگوریتمهای مختلف نوشته شده اند برای پیرایش، تمیزکردن و دستورزی نتایج RNA-Seq به منظور به دست آوردن داده های پیراسته شده تر و تمیزتر برای استفاده در مراحل بعدی پردازش داده ها وجوددارد. سه برنامه که عبارتند از DynamicTrim ، ConDeTri ، clean reads در این تحقیق مورد بررسی و مقایسه قرار گرفتند که بعنوان کاربردی ترین ومورد استفاده ترین برنامه های پیرایش داده های RNA-Seq بکار برده می شوند. برنامهclean_reads بخشی از بسته نرم افزاریngs_backbone ، DyanmicTrim قسمتی از نرم افزار SolexQA و ConDeTri یک نرم افزار مستقل و تنها است. درحالیکه DynamicTrim و clean_reads م ی توانندپیرایش هر کدام از فایلها یPaired End و Single End را بطور جداگانه انجام دهند،ConDeTri فایلهایPaired End را در یک فرآیند یکسان پاکسازی می کند و دو فایل خروجی برای هر دو فایل ورودی Paired End و یک فایل خروجی بعنوان قطعات جفت نشده می دهد. برای مقایسه سه برنامهیاد شده فایلهای RNA-Seq از یک طرح تحقیقاتی ترانسکریپتومیکس نخل روغنی (Ealaeis guineensis Jacq.) بعنوان نمونه های مورد مطالعه استفادهشدند. فایلهای خام و پردازش شده Paired End در قالب شش نمونه هر کدام با دو تکرار که هر نمونه بصورت دو فایل Paired End و مجموعا 42 فایل میباشند به منظور درک اینکه کدام برنامه بهتر عمل می کند و بطورموثرتر و درستتر داده های خام را برای مراحل بعدی تجزیه و تحلیل داده ها پیرایش وپاکسازی می کند مورد بررسی مقایسه و سنجش قرار گرفتند. مطابق با برنامه FastQC که برای مقایسه داده های خام و پیرایش شده از سه برنامه مذکور وبعنوان نرم افزار کنترل کیفی فایلهای حاصل از تعیین توالی ژنتیکی مورد استفاده قرار گرفته است مواردی از قبیل درجه هر باز در توالی ، درجات کیفیبرای توالی ها، محتوای هر باز در توالی، محتوای GC درهر باز پایه، محتوای GC درتوالی، محتوای N در باز، توزیع اندازه قطعات خوانده شده در توالی،سطوح تکرار هر توالی، نسبت جمعیتی تکرار توالی ها و محتوای چندپاری توالی ها Kmer برای فایلها قبل و بعد از پاکسازی توسط برنامه های مذکورمورد بررسی، سنجش و مقایسه قرار گرفته است. مطابق با نتایج حاصله برنامه DyanmicTrim بعنوان بهترین برنامه و سپس به ترتیب برنامه ConDeTri و clean reads انتخاب شدند هرچند که با توجه به تفاوتهای موجود بین برنامه ها، عوامل مختلفی همچون زمان و هدف استفاده کننده از برنامه ها می تو ان آنها را براساس نیاز کاربر نیز درجه بندی نمود.

کلیدواژه ها:

عیین توالی ، اسیدریبونوکلئویک ، پیرایش FastQC ، RNA-Seq