2.转录组学（基因表达分析）

（1）mRNA-Seq
（2）IncRNA-Seq（长链非编码RNA）
（3）sRNA-Seq（主要是miRNA-Seq）

图片

作用：
（1）获得物种或者组织的转录本信息
（2）得到转录本上基因的相关信息，如基因结构功能等
（3）发现新的基因
（4）基因结构优化
（5）发现可变剪切
（6）发现基因融合
（7）基因表达差异分析

3.蛋白质组学

（1）蛋白质组数据处理、蛋白及其修饰鉴定
（2）构建蛋白质数据库、相关软件的开发和应用
（3）蛋白质结构功能预测
（4）蛋白质连锁图

4.代谢组学

（1）代谢物指纹分析
（2）代谢轮廓分析
常用数据格式介绍

DNA序列表征

图片

A =腺嘌呤

C =胞嘧啶

G =鸟嘌呤

T =胸腺嘧啶

U =尿嘧啶

R = GA（嘌呤）

Y = TC（嘧啶）

K = GT（酮）

M = AC（氨基）

S = GC

W = AT

B = GTC

D = GAT

H = ACT

V = GCA

N = AGCT（任何）

Fastq & Fasta

Fastq格式：一种基于文本的，保存生物序列（通常是核酸序列）和其测序质量信息的标准格式,一般都包含有4行。

第一行：由‘@’开始，后面跟着序列ID和可选的描述，序列ID是唯一的；

第二行：碱基序列；

第三行：由‘+’开始，后面是序列的描述信息；

第四行：第二行序列的质量评价(quality value)。

举例：

图片

@HISEQ:777:HCMCVBCX2:1:1101:4712:2186 1:N:0:TACTCCAG

HISEQ：仪器 ID

777：Run ID

HCMCVBCX2：FlowCell ID

1：The lane number

1101：流通池道内的tile号码

4712：瓦片中的集群的‘x'坐标

2186：瓦片中的集群的’y'坐标

1：成对的成员，1或2（配对结束或配对读取）

N：如果读取过滤，则为Y；否则为N

0：当没有控制位开启时为0，否则为偶数

TACTCCAG：索引序列

Fasta格式：

图片

1：以“>”为开头，fasta格式标志。

2：序列ID号，gi号，NCBI数据库的标识符，具有唯一性。

格式为：gi|gi号|来源标志|序列标志（接收号、名称等），若某项缺失可以留空，“|”保留。

3：序列描述。

4：碱基序列，序列中允许空格、换行、空行，一般一行60个。

Fastq文件→Fasta文件

Linux命令

法1：sed '/^@/!d;s//>/;N' your.fastq > your.fasta

法2：seqtk seq -A input.fastq > output.fasta

FASTX-Toolkit

•一款用于处理Short-Reads FASTA/FASTQ文件的程序，里面包含了丰富的Fasta/Fastq文件格式转换、统计等命令。

http://hannonlab.cshl.edu/fastx_toolkit/

GenBank & EMBL

GenBank格式

以LOCUS和一些注释行开始。

序列的开头以“ORIGIN”标记，末尾以“//”标记。

图片

EMBL格式

以标识符行（ID）开头，后面跟着更多注释行。

序列的开头以“SQ”开头标记，序末尾以“//”标记。

图片

**表 1 **GenBank & EMBL数据库格式的对比

图片

EMBL → Fasta格式转换（在线工具）：

http://www.geneinfinity.org/sms/sms_embltofasta.html

测序知识.png