通过单分子长读长测序揭示玉米转录组的复杂性

Unveiling the complexity of the maize transcriptome by single-molecule long-read sequencing.

作者信息Bo Wang, Elizabeth Tseng, Michael Regulski, Tyson A Clark, Ting Hon, Yinping Jiao, Zhenyuan Lu, Andrew Olson, Joshua C Stein, Doreen Ware
PMID27339440
发布时间2016-06-24
DOI10.1038/ncomms11708

实验完整度

高

包含体外玉米B73六个组织的Iso-Seq与Illumina测序、长短读长验证、qPCR/RTPCR验证及甲基化与异构体关联分析

主要模型

玉米B73自交系六种组织(根、花粉、胚、胚乳、未成熟雌穗、未成熟雄穗) 玉米B73组织来源RNA的PacBio Iso-Seq文库 Illumina HiSeq 2000 PE101短读长测序数据

重点核对

六种组织均设至少3个生物学重复,每种组织至少混合10株植物,雌穗和雄穗各混合约30个 随机选取10个内含子保留事件进行SYBR Green定量PCR验证,并设Zm18srRNA为内参 随机选取7个候选融合转录本进行RT-PCR和Sanger测序验证 PacBio剪接位点用匹配组织的Illumina短读长(TopHat2和STAR比对)验证,平均90%获支持 FPKM≥0.01作为基因/异构体表达分析阈值

摘要

玉米(Zea mays)是解析转录调控网络的重要遗传模型,但mRNA转录本完整结构的不确定性限制了该系统的研究进展。本文利用单分子测序技术,从6个组织中获得了111,151条转录本,覆盖了玉米RefGen_v3基因组注释基因的约70%。很大比例的转录本(57%)代表已知基因的新异构体,其中部分具有组织特异性,3%对应新的基因位点;另一些鉴定到的转录本则改进了现有基因模型。对全部6个组织取平均,90%的剪接位点得到来自匹配组织的短读长数据支持。此外,我们还鉴定了大量新的长非编码RNA和融合转录本,并发现DNA甲基化在产生各种异构体中起重要作用。我们的结果表明,玉米B73转录组的表征仍远未完成,玉米基因表达比此前认为的更为复杂。

实验结论

提炼研究问题、关键发现与证据,快速把握文章的核心贡献。

研究问题
玉米转录组的完整结构如何?现有RefGen_v3注释在转录本结构、异构体、非编码RNA和融合转录本方面是否存在遗漏或错误?
核心机制
DNA甲基化参与异构体产生: acceptor位点的CHG甲基化与剪接呈负相关,提示其抑制可变剪接;donor位点的CG甲基化与异构体数量正相关,提示其促进可变剪接;融合转录本主要通过剪接机器介导的trans-splicing形成,其融合边界对应正常顺式剪接所用的经典剪接位点。
主要证据
PacBio Iso-Seq从6个组织获得111,151条非冗余异构体,覆盖约70%的RefGen_v3 FGS位点;57%为已知基因的新异构体,3%对应新基因位点;90%剪接位点获Illumina短读长支持;鉴定867个高置信度新lncRNA和1,430个融合转录本,其中134个获双端读长支持、7个中5个经RT-PCR和Sanger测序验证;10个随机内含子保留事件全部经定量PCR验证。
研究意义
表明玉米B73转录组的表征远未完成,玉米基因表达比此前认为的更复杂;长读长测序可补充短读长测序用于转录本编目和定量,并将用于更新玉米基因组注释,加入新异构体、基因、lncRNA及基因/异构体表达谱。

研究路径

按研究推进顺序梳理实验设计、验证步骤与关键观察。

1

多组织长读长转录组测序与数据生成

尽可能广泛捕获玉米不同组织的全长转录本及异构体多样性

从玉米B73自交系6个组织提取RNA,加组织特异性barcode后混合,构建6个按大小分级的文库(<1、1–2、2–3、3–5、4–6、>5 kb),在PacBio RS II上测序47个SMRT cell,并用ToFU流程处理。

2

全长转录本比对、去冗余与异构体分类

获得非冗余全长异构体并评估其与RefGen_v3注释的关系

用GMAP将高质量全长一致序列比对到RefGen_v3基因组,按最小覆盖度85%和最小一致性90%折叠冗余转录本,并与RefGen_v3 5b+注释比较,根据外显子结构将异构体分为八类。

3

短读长验证剪接位点与表达定量

验证PacBio异构体剪接位点并量化基因/异构体表达

对用于PacBio测序的相同组织取3个生物学重复进行Illumina HiSeq 2000 PE101测序,用TopHat2.0.8b和STAR比对,比较PacBio剪接位点支持率,并用Cufflinks估计FPKM。

4

新lncRNA与融合转录本鉴定

鉴定非编码RNA和嵌合转录本并评估其真实性

基于PLEK模型预测lncRNA,过滤ORF超过100个密码子的转录本并用BLASTX/BLASTN筛选;按映射到两个以上位点等标准鉴定融合转录本,并用Illumina读长、RT-PCR和Sanger测序验证。

5

可变剪接模式与组织特异性分析

确定各组织中主要可变剪接模式及组织特异性异构体

用AStalavista分析五种主要可变剪接模式在6个组织中的分布,并对随机选取的10个内含子保留事件进行定量PCR验证。

6

DNA甲基化与异构体关系分析

探究DNA甲基化水平与可变剪接及异构体数量的关系

重新映射已有甲基化数据,堆叠PacBio异构体的所有剪接 junction,计算donor和acceptor位点及lncRNA/非lncRNA基因区域的CpG、CHG、CHH甲基化水平。

研究方法

按研究目的归类文中使用的方法,便于定位所需技术。

产品清单

实验环节名称品牌货号
TRIzol试剂Invitrogen15596026
RQ1 DNA酶PromegaM6101
Phase Lock Gel Light管5 PRIME2302800
oligo(dT)磁珠Invitrogen610-02
ScriptSeq试剂盒EpicentreSS10906
SMARTer cDNA合成试剂盒Clontech--
AMPure PB磁珠----
2100生物分析仪Agilent--
SageELF系统----
Sage BluePippin系统----
PacBio RS II测序仪Pacific Biosciences--
SYBR Green----

关键环节

汇总复现实验时建议重点确认的条件及原文阅读提示。

环节核对要点
植物材料与取样
组织类型及发育阶段:根14日龄幼苗、雌穗v8期、雄穗v7期、花粉r1期、胚和胚乳授粉后20天;每种组织至少混合10株,雌穗和雄穗各约30个;3个生物学重复
阅读提示:Methods的Plant materials小节
长读长测序文库构建
6个大小分级文库范围(<1、1–2、2–3、3–5、4–6、>5 kb)、SMRT cell数量(47)、P6-C4化学及movie时长(3–4 h)
阅读提示:Methods的Barcoding library and single-molecule sequencing小节及Supplementary Table 1
PacBio数据处理与去冗余
折叠参数min-coverage=85%、min-identity=90%,5′端差异处理方式
阅读提示:Methods的Mapping of PacBio data小节
短读长验证与定量
3个生物学重复、Illumina HiSeq 2000 PE101、最小/最大内含子长度(20 bp/50 kb)、FPKM≥0.01阈值
阅读提示:Methods的Illumina data analysis小节及Supplementary Fig. 19–21
lncRNA鉴定
候选长度≥200 bp、ORF超过100个密码子剔除、BLASTX/BLASTN阈值
阅读提示:Methods的lncRNA identification from PacBio sequences小节
融合转录本鉴定与验证
单转录本映射标准(每个位点至少覆盖10%、合并覆盖度至少99%、位点间距至少100 kb)、随机选取7个进行RT-PCR和Sanger测序
阅读提示:Methods的Fusion transcript identification from PacBio sequences小节及Quantitative PCR validation小节
定量PCR验证
随机选取10个内含子保留事件、Zm18srRNA内参、每样本PCR重复3次、2−ΔCT计算方式
阅读提示:Methods的Quantitative PCR validation小节及Supplementary Table 3
甲基化分析
donor/acceptor位点甲基化计算方式、junction窗口、异构体分组、lncRNA/非lncRNA区域划分
阅读提示:Methods的Methylation data analysis小节