24小时热门版块排行榜

返回列表

七八月的阳光

铜虫 (初入文坛)

应助: 0 (幼儿园)
金币: 334.9
散金: 3
帖子: 33
在线: 57.1小时
虫号: 957475
注册: 2010-02-22
专业: 植物生理与生化

[求助] 关于de novo拼接结果的疑问

之前发帖问过关于trinity软件de novo拼接的问题，但始终有些疑惑得不到解答。

（上一个帖子的问题：
最近在公司做了转录组测序，植物样本，illumina Hiseq2000，三个样本共100M的clean reads，一起拼接。该公司用Trinity软件进行de novo拼接，拼出来contigs达40多万条，后来又用CD-HIT进行聚类，结果仍有30多万条，其中包含很多转录本的存在。从文献中看一般植物转录组de novo拼接也就几万条序列，太多的转录本会影响到后面表达量的比较。不知道是由于Trinity这个拼接软件的原因还是其他什么原因。）

后来从拼接的contig中挑了些序列出来仔细比对，发现了一些问题。在trinity软件输出的结果中，同一个comp里面包含了很多的seq（每一个seq就是一个contig），很多的seq间有重叠的序列，多个seq可以拼接成一条长的序列，并且这条序列能很好的比对到拟南芥基因上。

我很疑惑为什么trinity软件不把这些短的seq组装成一条长的序列，按照我的理解能组装成一条长序列应该更有利于分析。不然，做差异表达分析的时候看起来是多个基因都差异表达了，其实这多个基因都只是一个基因上的不同片段而已。我看SOAP的原理，好像就可以将contig组装成scaffold。

不知用过de novo拼接软件的各位能否给些意见和建议。

回复此楼