无参考基因组转录组分析如何组装unigene：方法与流程详解

无参考基因组转录组分析面向缺乏参考基因组序列的物种或材料，核心目标是将高通量测序获得的转录组数据组装为unigene，即代表转录本全长的非冗余基因序列集合。该分析涵盖检测原理、样品类型与RNA质控、De novo组装流程、组装性能评估、Unigene功能注释以及结果判定六个模块，为基因发掘、分子标记开发与功能研究提供序列基础，适用于非模式动植物、昆虫、真菌等多种检测对象。

检测原理与机制

De novo转录组组装不依赖任何参考基因组，其原理基于reads之间的重叠关系。测序平台产生的大量短reads来自同一转录本的不同区段，相邻reads若存在充分序列重叠且由不同reads桥接，即可判定其来自同一转录本。组装软件依据k-mer策略构建De Bruijn图，将reads打断为固定长度的k-mer，以k-mer为节点、重叠关系为边建立图结构。随后依据测序错误产生的低频尖端、气泡与重复序列引起的分支，执行图简化操作，最终输出代表各转录本的一致性序列。经聚类去冗余后，选取最长序列作为代表，即为unigene。

样品类型与RNA质控

适用于该分析的样品类型广泛，动物组织、植物组织、真菌菌体以及昆虫等各类检测对象。取样应遵循代表性原则，选取目标组织并在适宜发育阶段采集，避免降解因素干扰。RNA质量是组装成败的前提条件。实验室通常采用分光光度法测定吸光度比值评估纯度，以琼脂糖凝胶电泳或毛细管电泳检查完整性，并以RIN值作为核心判定参数。RNA完整性不足时，降解片段进入测序文库，将导致组装碎片化加剧。样品保存与运输需维持低温条件，提取后 RNA 应于无RNA酶环境中保存，防止外源核酸酶污染。

De novo组装方法与流程

标准流程分为数据获得、质控过滤、组装与去冗余四个阶段。首先对提取合格的RNA构建测序文库并执行高通量测序。随后运用质控软件对原始reads进行过滤，剔除含接头序列、低质量碱基占比过高以及N碱基比例超限的reads。清洁数据进入组装环节，常用工具采用De Bruijn图算法，如Trinity及其同类组装软件。组装时需设定k-mer长度等参数，部分流程采用多k-mer策略以兼顾不同表达水平的转录本。对组装所得转录本执行聚类去冗余，选取各簇最长序列作为unigene，并借助序列比对工具将相关序列归并，形成最终的unigene集合。

组装性能评估指标

组装质量需从多个维度评估。N50为常用核心指标，表示将unigene按长度降序排列后，累计长度达到总数一半时对应的序列长度，其数值越高通常表示组装连续性越好。此外还需考察unigene总数量、总长度、平均长度、最大长度以及长度分布等基础统计量。完整性评估可借助通用单拷贝直系同源基因数据库，检测unigene中该类基因的检出比例，以反映转录组覆盖的完整程度。准确性评估则通过将reads比对回unigene集合，统计比对率与覆盖深度分布。冗余度与完整性之间存在平衡关系，评估时应综合判断，不宜以单一指标下结论。

Unigene功能注释方法

功能注释需将unigene与多个公共数据库进行序列比对，依据相似性推断基因功能。常用数据库Nr蛋白质数据库、Nt核酸数据库、SWISS-PROT手工注释库以及KEGG代谢通路数据库。比对通常采用BLAST系列工具，设定E值阈值筛选同源序列。注释信息涵盖基因名称、物种来源、功能描述以及所属通路类别。KEGG注释可将unigene归入具体代谢与信号通路，COG或eggNOG注释则给出直系同源簇分类。在缺乏同源序列的情形下，可补充InterPro结构域预测与GO功能分类，从结构域层面推断潜在功能。多数据库交叉注释可提高功能推断的可靠性。

应用场景与结果判定

该分析适用于非模式物种基因序列发掘、SSR与SNP分子标记开发、差异表达基因筛选前的参考序列构建以及次生代谢相关基因挖掘等场景。结果判定首先审核RNA质控记录是否达标，其次核查组装指标与注释比例是否符合建库测序的技术要求。合格报告中应包含清洁数据统计、组装基础指标、N50数值、注释成功率以及功能分类图谱。若unigene数量异常偏高而平均长度偏短，多提示组装碎片化或冗余未充分去除，应回溯组装参数。判定时还需结合生物学问题，验证目标基因是否在unigene集合中检出及其注释可靠性。

常见问题与注意事项

组装unigene的检测费用受哪些因素影响？

费用主要取决于样品数量、测序数据量与文库类型，混合样品建库以及功能注释数据库的选取亦会产生影响。非模式物种组装计算量较大，分析复杂程度提高时，整体费用相应增加。

对unigene组装结果或注释结果存有异议时如何处理？

可申请复核RNA质控记录、清洁数据统计与组装指标，必要时调整组装参数重新组装，或补充不同数据库的注释比对，以验证结论的一致性后再行出具修订报告。

检测周期与报告何时交付？

周期由样品前处理、文库构建、测序、组装计算与功能注释等环节构成。样品数量、数据量大小及注释数据库规模均影响进度，报告在全部指标核查与注释完成后交付。