RSEM与STAR比对结果差异解析：基因组与转录组层面的计数差异

RSEM与STAR比对结果差异解析：基因组与转录组层面的计数差异

【免费下载链接】RSEM RSEM: accurate quantification of gene and isoform expression from RNA-Seq data 项目地址: https://gitcode.com/gh_mirrors/rs/RSEM

引言

在RNA-seq数据分析流程中，STAR和RSEM是常用的比对和定量工具。许多研究人员发现，这两个工具输出的比对统计结果存在明显差异。本文将深入分析这种差异产生的原因，帮助用户理解不同比对层面的计数逻辑。

比对层面的本质差异

STAR和RSEM虽然都用于RNA-seq数据分析，但它们工作的层面有本质不同：

1. STAR执行的是基因组比对，将reads比对到参考基因组上
2. RSEM执行的是转录组比对，将reads比对到转录本集合上

这种根本性的差异导致了后续统计结果的系统性不同。

具体差异来源分析

1. 比对参考的不同

STAR使用基因组序列作为参考，包含内含子区域；而RSEM使用转录本序列，只包含外显子区域。这种参考序列的差异会导致：

• 跨越内含子的reads能被STAR比对但不能被RSEM比对
• 部分基因组特有区域(如基因间区)的比对会被STAR计数但不会被RSEM计数

2. 比对严格度的差异

RSEM对转录组比对有额外的严格要求：

• 软裁剪处理：RSEM会排除有显著软裁剪的比对
• indel容忍度：RSEM对indel的处理更为严格
• 比对质量过滤：RSEM有自己的质量过滤标准

这些因素导致部分被STAR计数的reads在RSEM中被排除。

3. 多比对处理的差异

STAR和RSEM处理多比对reads的方式不同：

• STAR报告所有可能的基因组比对位置
• RSEM会评估reads在转录本上的最佳分配
• RSEM的多比对计数通常比STAR保守

实际数据分析建议

当观察到STAR和RSEM计数差异时，建议：

1. 检查比对参数设置是否合理
2. 确认参考基因组和转录组版本的一致性
3. 理解不同工具的设计目的：
   • STAR用于初步质量控制和基因组层面分析
   • RSEM专为转录本定量优化

结论

STAR和RSEM的计数差异是正常现象，反映了基因组层面和转录组层面分析的不同侧重点。研究人员应根据具体分析目的选择合适的工具，并理解不同工具输出结果的生物学含义。对于基因表达定量分析，RSEM的结果通常更为准确；而对于剪接分析等基因组层面研究，STAR的结果更有参考价值。

【免费下载链接】RSEM RSEM: accurate quantification of gene and isoform expression from RNA-Seq data 项目地址: https://gitcode.com/gh_mirrors/rs/RSEM