服務(wù)熱線(xiàn)02152235399
一 引言
1.1編寫(xiě)目的
進(jìn)行該測(cè)試以及撰寫(xiě)此報(bào)告有以下幾個(gè)目的:
1) 通過(guò)使用Trinity軟件，進(jìn)行不同組裝策略的轉(zhuǎn)錄組組裝測(cè)試，得到組裝效果最好的組裝策略；
2) Trinity組裝所需時(shí)間，內(nèi)存及存儲(chǔ)峰值評(píng)估；
1.2背景
由于第二代測(cè)序測(cè)序讀長(zhǎng)短、質(zhì)量值偏低、數(shù)據(jù)量大。目前轉(zhuǎn)錄組組裝面臨的問(wèn)題主要有：1）轉(zhuǎn)錄本覆蓋度不均勻，一些轉(zhuǎn)錄本覆蓋度很低，一些則會(huì)跟高；2）由于序列本身的偏向性，轉(zhuǎn)錄本內(nèi)reads覆蓋度存在不一致的可能；3）與一個(gè)測(cè)序正確但低表達(dá)的轉(zhuǎn)錄本相比，一個(gè)有測(cè)序錯(cuò)誤但高表達(dá)的轉(zhuǎn)錄本，其表達(dá)豐度可能更高；4）由于可變剪切，構(gòu)建數(shù)據(jù)結(jié)構(gòu)需考慮到一個(gè)基因有多個(gè)轉(zhuǎn)錄本的可能；5）來(lái)自不同基因的重復(fù)序列可能給組裝帶來(lái)歧義。
本次工作的目的在于通過(guò)不同組裝策略的測(cè)試，以得到一種最優(yōu)的組裝方案。組裝策略主要有以下幾種：
1) 6個(gè)樣品單獨(dú)組裝，然后將組裝結(jié)果進(jìn)行聚類(lèi)；
2) 6個(gè)樣品數(shù)據(jù)放在一起組裝；
3) 6個(gè)樣品提取高質(zhì)量數(shù)據(jù)，進(jìn)行組裝，低質(zhì)量數(shù)據(jù)，進(jìn)行組裝；然后聯(lián)合組裝；
4) 使用Genome-guided參數(shù)與不使用該參數(shù)
1.3用戶(hù)群
主要讀者：公司研發(fā)部，公司管理人員。
其他讀者：項(xiàng)目及銷(xiāo)售相關(guān)人員。
1.4 數(shù)據(jù)對(duì)象
|
物種 |
數(shù)據(jù)類(lèi)型 |
樣品個(gè)數(shù) |
測(cè)序類(lèi)型 |
|
水稻 |
mRNA |
6個(gè) |
PE90 |
1.5 測(cè)試階段
軟件測(cè)試
1.6測(cè)試工具
1) Perl；
2) Trinity
1.7 參考資料
1) Brian J Haas, Alexie Papanicolaou, Moran Yassour V, et al. De novo transcript sequence reconstruction from RNA-seq using the Trinity platform for reference generation and analysis, 11 July 2013; doi:10.1038.
2) Geo Pertea, Xiaoqiu Huang , et al. TIGR Gene Indices clustering tools (TGICL): a software system for fast clustering of large EST datasets, Vol. 19 no. 5 2003,
二 .測(cè)試概要
關(guān)于此項(xiàng)測(cè)試工作從2014年4月10日開(kāi)始預(yù)計(jì)到2014年5月30日結(jié)束。
2.1 主要測(cè)試內(nèi)容如下：
1) Trinity安裝以及測(cè)試；
2) 測(cè)試數(shù)據(jù)獲取及處理；
3) 編寫(xiě)任務(wù)腳本及任務(wù)提交；
4) TCICL安裝以及測(cè)試；
5) 組裝結(jié)果質(zhì)量評(píng)估及統(tǒng)計(jì)；
6) 不同組裝方法結(jié)果比較；
7) 編寫(xiě)結(jié)果報(bào)告
2.2 測(cè)試詳細(xì)思路描述：
1) 6個(gè)樣品單獨(dú)組裝；
2) 6個(gè)樣品組裝結(jié)果，使用TGICL進(jìn)行聚類(lèi)，組裝成UniGene；
3) 6個(gè)樣品各取約2.5G數(shù)據(jù)，合起來(lái)共約16G數(shù)據(jù)組裝，（因6個(gè)樣品所有數(shù)據(jù)24G，數(shù)據(jù)量太大，trinity跑不通）；
4) 取一個(gè)樣品使用Genome-guided 參數(shù)，用有參考序列的組裝方式進(jìn)行組裝；
5) 比較使用一個(gè)樣品（4G數(shù)據(jù)），與使用6個(gè)樣品（16G數(shù)據(jù)）的組裝結(jié)果差異
6) 比較使用6個(gè)樣品單獨(dú)組裝，然后聚類(lèi)成的UniGene，與6個(gè)樣品數(shù)據(jù)合起來(lái)（16G數(shù)據(jù)）組裝結(jié)果差異
7) 比較使用Genome-guided 參數(shù)，和不使用Genome-guided 參數(shù)結(jié)果差異
2.3工作計(jì)劃進(jìn)展
|
測(cè)試內(nèi)容 |
計(jì)劃開(kāi)始時(shí)間 |
實(shí)際開(kāi)始時(shí)間 |
計(jì)劃完成時(shí)間 |
實(shí)際完成時(shí)間 |
工作完成情況 |
|
軟件安裝以及測(cè)試 |
2014年4月10日 |
2014年4月10日 |
2014年4月10日 |
已完成 |
|
|
測(cè)試數(shù)據(jù)獲取及前期處理 |
2014年4月10日 |
2014年4月18日 |
2014年4月14日 |
2014年4月18日 |
已完成 |
|
編寫(xiě)任務(wù)腳本及任務(wù)提交 |
2014年4月20日 |
2014年4月19日 |
2014年4月28日 |
2014年5月4日 |
已完成 |
|
TCICL安裝以及測(cè)試 |
2014年4月21日 |
2014年4月28日 |
2014年4月29日 |
2014年5月15日 |
完成 |
|
組裝結(jié)果質(zhì)量評(píng)估及統(tǒng)計(jì) |
2014年4月29日 |
2014年5月16日 |
2014年5月15日 |
2014年5月20日 |
完成 |
|
不同組裝方法結(jié)果比較 |
2014年5月17日 |
2014年5月20日 |
2014年5月21日 |
2014年5月21日 |
完成 |
|
編寫(xiě)結(jié)果報(bào)告 |
2014年5月21日 |
2014年5月21日 |
2014年5月22日 |
2014年5月22日 |
完成 |
2.2測(cè)試執(zhí)行
此次測(cè)試嚴(yán)格按照項(xiàng)目計(jì)劃和測(cè)試計(jì)劃執(zhí)行，按時(shí)完成了測(cè)試計(jì)劃規(guī)定的測(cè)試對(duì)象的測(cè)試。針對(duì)測(cè)試計(jì)劃制定規(guī)定的測(cè)試策略，依據(jù)測(cè)試計(jì)劃和測(cè)試用例，將網(wǎng)絡(luò)數(shù)據(jù)以及我們觀(guān)測(cè)的關(guān)鍵參數(shù)進(jìn)行了完整的測(cè)試。
2.3測(cè)試用例
2.3.1功能性
1) 1.測(cè)試Trinity軟件，可以正常運(yùn)行。
2) 2.測(cè)試TGICL軟件，可以正常運(yùn)行
3) 3.評(píng)估不同組裝策略組裝質(zhì)量狀況。
三 測(cè)試環(huán)境
3.1軟硬件環(huán)境
|
硬件環(huán)境 |
服務(wù)器 |
|
硬件配置 |
CPU：Intel Xeon 2.66GHz *20 Memory：90GB HD：29TB |
|
軟件配置 |
OS：Fedora release 14，Ubuntu 12.10 Trinity |
|
網(wǎng)絡(luò)環(huán)境 |
20M LAN |
四 測(cè)試結(jié)果
使用不同方法組裝統(tǒng)計(jì)結(jié)果見(jiàn)如下表格：
|
物種 |
水稻 |
|||||||||
|
組裝策略 |
直接組裝 |
直接組裝 |
直接組裝 |
直接組裝 |
直接組裝 |
直接組裝 |
6個(gè)樣品部分?jǐn)?shù)據(jù)合并組裝 |
3個(gè)樣品單獨(dú)組裝后，再聚類(lèi) |
4個(gè)樣品單獨(dú)組裝后，再聚類(lèi) |
5個(gè)樣品單獨(dú)組裝后，再聚類(lèi) |
|
數(shù)據(jù)量 |
4G |
4G |
4G |
4G |
4G |
4G |
16G |
12G |
16G |
20G |
|
樣品名稱(chēng) |
CQ9522_2mm_1A |
CQ9522_2mm_2A |
CQ9522_4mm_1A |
CQ9522_4mm_2A |
CQ9522_6mm_1A |
eg1D34_1A |
Sample6All |
Sample3Culster |
Sample4Culster |
Sample5Culster |
|
Total sequences |
45444 |
45345 |
47746 |
47915 |
48173 |
48561 |
283184 |
53007 |
58131 |
62566 |
|
Total bases |
42320514 |
42218957 |
44463230 |
44589916 |
44968574 |
45256330 |
263817521 |
52432158 |
59334530 |
65271000 |
|
Min sequence length |
201 |
201 |
201 |
201 |
201 |
201 |
201 |
201 |
201 |
201 |
|
Max sequence length |
13797 |
13797 |
12820 |
14676 |
14693 |
13288 |
14693 |
13797 |
15307 |
15307 |
|
Average sequence length |
931.27 |
931.06 |
931.25 |
930.6 |
933.48 |
931.95 |
931.61 |
989.16 |
1020.7 |
1043.23 |
|
Median sequence length |
583 |
582 |
601 |
582 |
580 |
601 |
587 |
627 |
642 |
657 |
|
N25 length |
2398 |
2398 |
2331 |
2414 |
2415 |
2320 |
2379 |
2545 |
2654 |
2723 |
|
N50 length |
1504 |
1503 |
1483 |
1498 |
1520 |
1474 |
1496 |
1612 |
1681 |
1732 |
|
N75 length |
773 |
773 |
788 |
770 |
782 |
780 |
778 |
867 |
910 |
946 |
|
N90 length |
375 |
375 |
378 |
375 |
375 |
381 |
376 |
398 |
409 |
420 |
|
N95 length |
282 |
282 |
284 |
285 |
282 |
289 |
284 |
286 |
289 |
290 |
|
querygene number |
39461 |
39376 |
40564 |
40759 |
40673 |
41318 |
109371 |
44589 |
48253 |
51281 |
|
subjectgene number |
41754 |
41609 |
41338 |
41977 |
41652 |
41396 |
46500 |
43770 |
44768 |
45443 |
|
gene region alignment percentage |
61.11% |
61.17% |
61.97% |
62.81% |
62.49% |
62.49% |
67.13% |
62.73% |
64.21% |
64.33% |
|
組裝reads使用率 |
91.76% |
90.79% |
91.36% |
91.45% |
90.11% |
91.42% |
94.43% |
92.69% |
93.28% |
93.72% |
|
存儲(chǔ)峰值 |
35G |
35G |
35G |
35G |
35G |
35G |
200G |
80G |
80G |
80G |
|
內(nèi)存峰值 |
38G |
38G |
38G |
38G |
38G |
38G |
90G |
78G |
78G |
78G |
|
運(yùn)行時(shí)間(小時(shí)) |
3 |
3 |
3 |
3 |
3 |
3 |
18 |
3+1 |
3+1.2 |
3+1.5 |
4.1 軟件安裝
1) 安裝新版2014年4月新版Trinity( trinityrnaseq_r20140413.tar.bz)；
2) 安裝perl 模塊PerlIO-gzip-0.18.tar.gz;
3) 安裝TGICL(TGICL-2.1.tar.gz) ;
4) 安裝CD-HIT；
5) 安裝GMAP and GSNAP(gmap-gsnap-2014-04-20.tar.gz )；
五．測(cè)試結(jié)論與討論
從上述統(tǒng)計(jì)結(jié)果可以看出
1) 對(duì)于Contigs N50：樣品單獨(dú)組裝與合并clean data數(shù)據(jù)后組裝的N50差不多，樣品單獨(dú)組裝后合并略有提升。
2) Contigs數(shù)量：樣品單獨(dú)組裝后合并contigs數(shù)量比單個(gè)樣品組裝contigs數(shù)量稍多，合并并clean data數(shù)據(jù)后組裝contigs數(shù)量明顯增多（但是，數(shù)量太多）
3) Reads 使用率：合并clean data數(shù)據(jù)后組裝、樣品單獨(dú)組裝后合并 reads使用率略高于單個(gè)樣品組裝
4) 基因區(qū)域覆蓋度：合并clean data數(shù)據(jù)后組裝、樣品單獨(dú)組裝后合并 reads使用率略高于單個(gè)樣品組裝
5) 另外：
6) Genome-guided 模式?jīng)]有測(cè)通，故不在此次比較范圍內(nèi)；
7) 6個(gè)樣品單獨(dú)組裝后聚類(lèi)，TGICL沒(méi)有跑通，故使用了3個(gè)樣品聚類(lèi)、4個(gè)樣品聚類(lèi)、5個(gè)樣品聚類(lèi)的結(jié)果進(jìn)行比較。
8) CD-HIT是另外一種聚類(lèi)軟件，2個(gè)樣品聚類(lèi)可以成功運(yùn)行，但是3個(gè)樣品聚類(lèi)時(shí)，一直顯示任務(wù)運(yùn)行但是無(wú)結(jié)果，也不報(bào)錯(cuò)。
六．測(cè)試總結(jié)
根據(jù)本次測(cè)試結(jié)果，綜合考慮到內(nèi)存、運(yùn)行時(shí)間、組裝結(jié)果、存儲(chǔ)等因素，樣品單獨(dú)組裝后聚類(lèi)的效果比較好。