新一代测序SNP分析可视化软件开发

摘要

目的： 近年来，以Illumina solexa、罗氏454和ABI SOLiD为代表的新一代测序技术飞速发展，测序通量迅速提升，测序时间和测序价格急剧下降。这些技术产生了空前的数据量。以Illumina Genome AnalyzerⅡ测序仪为例，单次运行能够产生高达10G以上的数据。然而针对新一代测序数据的分析工具的开发落后于新一代测序技术的发展，从某种程度上限制了处理大通量数据的效率。因此，开发新一代测序分析工具需要投入更多的努力。如何有效的解析新一代测序产生的海量数据，是当前生物信息学发展的一个重要方向。目前，一些针对新一代测序可视化的生物信息学软件被开发出来用于解译高通量数据。为了满足新一代测序技术产生的海量数据的分析需求，我们整合开发了一款新的可视化软件：MagicViewer。MagicViewer具有可视化短序列比对文件，检测和注释SNP的功能。该款软件有很多优良的特性，包括支持用户自定义显示颜色，支持显示内容大小的缩放，支持多样的导航方式等。 方法： 可视化在新一代测序个性化分析中占据着重要地位，为了实现可视化界面，我们采用了java Swing技术。新一代测序数据的可视化所面临的一个主要的难题就是性能问题，为了提高MagicViewer的响应速度，减少内存占用大小，我们采用了索引和缓存技术。我们采用的索引技术基于著名的UCSC”分箱”策略，能够对短序列比对文件进行快速的索引，检索覆盖到特定基因组区域的短序列。同时，我们在Swing二级缓冲的基础之上实现了了四级缓冲绘图技术，有效地消除了用户界面闪烁，提高了用户界面响应速度。由于新一代测序的相关研究很多都是基于组学的研究，所涉及的文件都非常大，这些文件进行排序就需要使用外排序算法。我们采用了外排序算法中经典的败者树算法。GATK是一款基于新一代测序使用广泛的SNP检测软件，我们整合了GATK作为我们平台的SNP检测软件。基于组学的研究一次会产生海量的SNP位点，为了缩小范围，找到最有研究意义的SNP位点，MagicViewer会根据SNP对基因产生的影响的不同，对这些SNP位点进行功能分类。在判断SNP对基因产生的影响的时候，需要对密码子翻译成氨基酸，我们使用了Biojava类库来实现这个功能。并且我们还使用了Biojava读取GeneBank和Ensemble格式的文件的功能，实现注释文件格式转换。对于最终注释好的SNP位点，MagicViewer还能统计每利SNP类型的个数，并采用Google API绘制出SNP功能分类饼图。我们还整合了Primer3软件进行批量引物设计，采用JSP技术搭建MagicViewer网站。 结果： 1.具有友好的操作界面，支持用户自定义颜色，支持缩放，支持搜索，操作系统独立。 2.能够根据参考序列名称和起始终止坐标随机的访问参考序列文件及短序列比对结果文件，而不用把整个文件读进内存。 3.能够有效的在全基因组范围内检测SNP。 4.能够可视化短序列比对文件，基因及SNP等信息。 5.能够自动生成SNP功能分类饼图。 6.能够对GFF文件根据参考序列名称和坐标进行排序。 7.能够根据预测出来的SNP位点信息进行批量PCR引物设计。 8.搭建完成了下载网站，在线提供下载链接，用户使用说明，程序截图，实验室介绍及接受用户反馈等功能。 结论： MagicViewer提供了一套整合的解决方案，能可视化短序列比对结果，还能根据参考基因组检测、过滤和注释SNP。MagicViewer不仅给用户提供了简单直接的处理高通量数据的方法，并且整合了一套成熟的可自定义注释基因突变的流程，为用户提供高效灵活的分析。同时，它具有全面的计算流水线，用于遗传变异的检测、过滤、注释以及可视化功能。并且还提供搜索选项，功能分类，子集选择和序列相关引物设计等方面的服务。另外，MagicViewer使用java语言开发，具有很好的平台独立性，能够在linux，windows以及mac平台上运行。我们的软件可以方便的解析和可视化新一代测序产生的短序列比对文件。MagicViewer应用广泛，尤其适合全基因组重测序及转录组测序的分析。MagicViewer可以免费使用(http：//bioinformatics.zj.cn/magicviewer/)。