StringTie: 一款RNA-seq序列转录本重构软件

StringTie: 一款RNA-seq序列转录本重构软件

​ 转录本测序方法通常会产生大于200 million的短序列。针对这样的序列，StringTie可以用来组装转录本，包括de novo。通过模拟数据和真实数据分析结果显示，与其他的软件，包括cufflinks, IsoLasso, Scriputer和Traph相比较, StringTie可以得到更加完整和准确的基因组重建和更好的表达量水平估计。并且，StringTie的分析速度也更加快。

​ 目前有很多的转录本表达定量分析软件（Trinity, Oases, RSEM, eXpress, IsoInfer, Scripture, Cufflinks, SLIDE, IsoLasso, iRechon, Traph）。有研究表明，目前的转录本重建方法，在面对复杂转录本亚型是，性能也不高。StringTie软件可以比其他软件（Cufflinks）多鉴定出36%~ 60%的转录本。

​ 目前，在转录本组装问题上，主要有两种方法。第一种是基于参考基因组的转录本组装算法，使用专门的剪切对齐工具（TopHat, GSNAP, HISAT），将转录本聚类，然后对齐进行进一步组装。第二种是de novo组装，不需要参考基因组，即使参考基因组中缺失的区域，一样可以重建转录本。

​ StringTie使用了这两种方法，其输入文件不仅包括剪切的read alignments也可以是从reads中预先组装的contigs。

​ 与Cufflinks先找到转录本的最小集合，再评估他们的表达水平不同，StringTie同时组装转录本和评估其表达水平。下图是StringTie和Cufflinks组装转录本的不同流程。StringTie的大致流程是，首先将reads进行分组聚类，然后对每一个聚类创建一个splice graph，然后根据maximum flow算法对每一个聚类，分析其表达量。Cufflinks的主要流程是，首先构建reads之间的overlap graph，然后采用parsimony-based算法，生成最小数量的转录本，然后再计算表达量。

image-20191116205450908.png

​ 使用Flux Simulator软件生成150 million的75bp paired-end reads（SIM-I, SIM-II）。

​ 从下图可以看出，StringTie的精度和灵敏度都是最高的。

image-20191116211254135.png