Podíl falešné pozitivity ve studiích alternativního sestřihu v závislosti na volbě mapovacího algoritmu pro RNAseq dat

Bc. Anna Bílková

Master's thesis

False discovery rate in alternative splicing studies as a function of RNAseq alignment algorithm

Abstract:

Sekvenování nové generace je v dnešní době pravděpodobně nejpoužívanější technika pro identifikaci primární struktury nukleových kyselin. Pro odhalení všech transkriptů v buňce v daném okamžiku se využívá RNA sekvenování. Stěžejním krokem analýzy dat pocházejících ze sekvenování nové generace je přiřazení krátkého čtení k referenčnímu genomu či transkriptomu. Během několika posledních let bylo vyvinuto mnoho algoritmů, které přiřazují krátká čtení k referenci. Pro uživatele je však velmi obtížné zvolit ten nejvhodnější algoritmus. Bylo již mnohokrát potvrzeno, že deregulace genové exprese i alternativního sestřihu je příčinou mnoha lidských onemocnění. Srovnávací studie tedy detekují odlišně exprimované nebo sestřižené geny mezi dvěma či více experimentálními podmínkami. Také pro tento typ analýzy bylo vyvinuto mnoho nástrojů, mezi kterými není jednoduché si vybrat ten nejlepší. Výběr algoritmu přiřazujícího čtení k referenci a výběr metody pro určení alternativního sestřihu by mohl výsledky značně ovlivnit. Cílem této diplomové práce je nalézt nejlepší kombinaci algoritmu přiřazujícího čtení k referenci a metody pro určení alternativního sestřihu. Reálná data byla analyzována pomocí různých algoritmů. Výstupy z analýzy reálných dat byly dále hodnoceny pomocí metod pro detekci alternativního sestřihu. Pro vyhodnocení algoritmu přiřazujícího čtení k referenci byla využita simulovaná data. Nejlepší výsledky byly dosaženy pomocí metody DEXSeq nehledě na použitý algoritmus přiřazující čtení k referenci. Identifikace odlišně sestřižených genů mezi dvěma či více experimentálními podmínkami není tedy zásadně ovlivněna volbou algoritmu přiřazujícího čtení, nýbrž volbou metody pro určení alternativního sestřihu.

Abstract:

Nowadays, next-generation sequencing is probably the most important technique for rapid and accurate discovery of the primary structure of nucleic acids. RNA sequencing is used to reveal the presence of all transcripts in the cell in a particular moment. The fundamental task of next generation sequencing data analysis is the alignment of reads to an annotated reference genome or transcriptome. Many alignment algorithms were developed during the last couple of years and it is very difficult to choose from all existing tools the most appropriate one. In many studies it was repeatedly confirmed that misregulation of both gene expression and alternative splicing events underlie many human diseases. The comparative analysis of ’omics data is frequent strategy for detection of differentially expressed/spliced genes across experimental conditions. Various tools were designed for that purpose. The choice of alignment algorithm and method for differential splicing events detection could strongly affect the result of such analysis. The aim of this diploma thesis is to discover the best combintation of splice events aware alignment algorithm and method for differential splicing events detection. Real RNA-seq dataset was aligned to the reference genome with three different alignment algorithms. Output of all aligners were used as input for DSEs detection analysis. Simulated datasets were used for evaluation of alignment algorithms. Method based on count-based resolution approach compared favorably to the other two methods based on isoform resolution approach, consistent with three different alignment algorithms. This study indicates that alignment algorithm does not influence result of AS events analysis as much as choice of method for DSEs detection.

Keywords

sekvenování nové generace, RNA sekvenování, mapování, alternativní sestřih, detekce alternativního sestřihu, next generation sequencing, RNA sequencing, alignment, alternative splicing, alternative splicing detection

Language used: English

Date on which the thesis was submitted / produced: 23. 5. 2016

Thesis defence

• Date of defence: 22. 6. 2016
• Supervisor: Mgr. Eva Budinská, Ph.D.

Masaryk University

Faculty of Science

Master programme / field:
Experimental Biology / Mathematical Biology