博文
高通量测序中的一个read具有多个位点map上的现象的一些看法
||||
很难避免，这种现象，高通量产生的数据中，有部分在基因组上有多个map质量是一样好的现象，这往往是基因组中重复区域造成的。
https://m.sciencenet.cn/blog-607743-527076.html
而这个往往researchers采取了抛弃处理，但是如果我们仔细想想，这种处理会造成哪些后果，我们是不是应该手下留情，进而进一步的慎重考虑对这部分序列采取什么样的后备方案。
看一下背景，这部分的reads，因所测得基因组不同而不同，对于基因组有大量的重复区域，这部分被抛弃的reads的比重将非常高，我没有查过拟南芥的重复区域占有的比重多少（如果您知道，请告诉我），但是我在map某个ChIP-seq数据到拟南芥基因组上的时候，发现有>20%的是在基因组上有多个同等质量map位点的，而这部分序列都被抛弃掉了，在加上那些没有map到基因组上的，这样下来，就有近50%的reads被抛弃。用剩下的50%所做出的研究，虽然也许可能提高了研究的灵敏度，但是同时也忽略了大量的信息，甚至可能引入某些假阳性。
为什么可能会引入假阳性？
对于具有两个样本（一个实验组A，一个control组B）的实验研究，这样就会产生两套数据，各自align到基因组上的时候，就会分别出现各自上面说过的现象。假设，他们各自有20%的比率吧，如果这两者间的这些被抛弃的序列彼此都非常相近，我们可以想见，即使去掉了这部分序列，也无伤大雅，但是如果他们不是呢？
对于A组，这20%被抛弃的reads，假设这其中有10%的reads在B组中，只有一个最好map质量，那么在B组中就不会被抛弃，而是会会被保留下来；反之亦然，B组中的有10%如果再A组中的map只有一个最好的map位点，那么也将会被保留。这样下来，就会产生20%的差异（如果真是这样的情况出现，应该还不止）。
所以在基因组上具有多个位点所对应的reads，是不是应该被抛弃，就值得我们进一步的深思。。。。
https://m.sciencenet.cn/blog-607743-527076.html
扫一扫，分享此博文