拿什么来分析你，我的测序数据[心得点评]

由于新一代测序的发展速度飞快，因此一些新接触的实验人员可能会感到茫然无措：虽然这些研究人员都具有实体测序实验操作经验，但是如何处理获得的庞大数据是一个巨大挑战。幸运的是，目前已经有了一些免费的，或者说是低成本的多元化工具，以及活跃的用户群，可以帮助我们解决其中的一些问题。上回生物通谈到了硬件，数据分析需要什么样的IT设备，以及没有这些设备该怎么办？这回我们谈谈软件。

生物通报道：作为生命科学领域的“圈内人”，如果你还不知晓近期基因组测序的飞速发展，那你就实在太out了。。。随着新一代测序技术的不断改进，新测序仪不断涌现，测序价格也越来越低，应用当然也越来越广。近两年，新一代测序技术广泛应用于全基因组测序，疾病关键基因的测定，以及宏基因组学。

然而由于这一领域的发展速度飞快，因此一些新接触的实验人员可能会感到茫然无措：虽然这些研究人员都具有实体测序实验操作经验，但是如何处理获得的庞大数据是一个巨大挑战。幸运的是，目前已经有了一些免费的，或者说是低成本的多元化工具，以及活跃的用户群，可以帮助我们解决其中的一些问题。

上回生物通谈到了硬件，数据分析需要什么样的IT设备，以及没有这些设备该怎么办？这回我们谈谈软件。

我该使用什么程序？

同样，这要看情况。你想要开展什么分析？你能使用UNIX吗？你会编程吗？

目前已有数百个用于新一代测序的生物信息学工具，从商业化的产品到略有瑕疵的免费软件。在SeqAnswers.com (seqanswers.com/wiki/Software)上列出并介绍了超过360个软件。

对于新手来说，不幸的是，这些工具极少有着漂亮的图形用户界面。凯撒西储大学的Mark Adams谈到：“目前有相当多不错的免费软件可用于分析，但几乎所有免费软件和最新软件都是基于UNIX命令行的。”在大多数情况下，这些程序基本上是数据过滤器和文件转换器。它们接收一种形式的数据，处理它，并以另一种形式导出。

简单来说，大部分基因组中心自己写代码，指导原始序列数据通过这些步骤，将一个程序的输出结果导入另一个程序，清理，采集质量标准，与参考基因组比对，以及其他。

这样的软件流水线可能听起来无比复杂，但是在面对包含数百万条记录的数据文件时，你别无选择。因此，你们小组至少应有一人要有相当不错的UNIX技能。Wellcome Trust Sanger研究院的博士后Daniel MacArthur认为：“基本的UNIX命令行语法将让你利用此类型数据走得更远。”

我该如何查看原始数据？

通常来说，别这么做。你也不需要这么做。数据太多了，而你从中获得的将很少；相反，你要查看处理过的数据，SNP检出列表及其他。但MacArthur博士认为也有例外。他说，在投身验证研究之前，还是值得花时间去仔细检查那些支持变异体检出的真实序列读取。

MacArthur博士谈到：“对于那些刚刚开始涉及分析的研究人员来说，我的唯一忠告是——利用一切机会以尽可能多的方式来查看数据，因为你可能会上当。”比如，单核苷酸变异检出是相对可靠的。然而，插入和缺失（indel）却可能有问题：一些插入缺失读取被抛弃，因为它们看上去不能与参考序列正确比对；其他的则被称为SNP簇。他说：“诸如此类，只要你查看这些读取，你就能发现有一些确实错了。”

你可以利用基因组浏览器（如Integrative Genomics Viewer）来查看原始数据，它将重叠读取显示成参考基因组上的“堆积”。MacArthur博士认为Integrative Genomics Viewer是一个很好的工具，直观，易用。

如果想查看原始数据，你可以使用UNIX命令行工具，来确定你的数据格式是否正确，以便导入各种分析程序。

我能从哪里寻求帮助？

对于新一代生物信息学这个复杂且日新月异的学科来说，幸运的是，从来就不缺帮助，无论是用户组、在线论坛或网页教程。工具开发者通常还会回复电子邮件咨询，其他经验丰富的研究人员也是如此。这里推荐一个好的出发点：SeqAnswers.com，目前有6400名活跃的会员。

“那儿有很多人，他们有很多专业知识，因此别逞强，什么事都自己扛。利用你周围的知识。重新发明轮子是没有意义的。”华盛顿大学基因组中心的David Dooling如是说。

一些精选的免费数据分析工具：

名称	链接	评论
基因组重测序
Bwa	http://bio-bwa.sourceforge.net	比对工具
Dindel	http://sites.google.com/site/keesalbers/soft/dindel	小的插入/缺失发现
Erds	http://www.duke.edu/~mz34/erds.htm	拷贝数变异发现
Pindel	http://www.ebi.ac.uk/~kye/pindel/	小的插入/缺失发现
Samtools	http://samtools.sourceforge.net	操控比对后数据的工具
Sequence Variant Analyzer	http://www.svaproject.org	在基因组背景下显示变异
Chip-Seq
Findpeaks	http://vancouvershortr.sourceforge.net
RNA-Seq
Bowtie	http://bowtie-bio.sourceforge.net	比对工具
Cufflinks	http://cufflinks.cbcb.umd.edu	测定转录本丰度
Tophat	http://tophat.cbcb.umd.edu	剪接点定位
De Novo 拼接
Abyss	http://www.bcgsc.ca/platform/bioinfo/software/abyss
Oases	http://www.ebi.ac.uk/~zerbino/oases/	根据转录组数据拼接
Velvet	http://www.ebi.ac.uk/~zerbino/velvet/
基因组浏览器
Integrated Genome Browser	http://www.bioviz.org/igb/
Integrative Genomics Viewer	http://www.broadinstitute.org/software/igv/