为了获得百子莲较全面的转录组序列信息，我们应用百子莲实生苗各器官组织与愈伤组织建立混合样品，提取富集m RNA建立Illumina测序文库，应用Illumina HiSeq TM 2000平台进行测序。测序总共得到53 075 520条90 bp的Clean reads组成的4 776 797 340 nt（4.7 Gb）的数据，通过Q20碱基质量检测过滤后得到数据量占总测序数据的97.44%，碱基中GC含量为48.19%（见图6-4）。
图6-4 百子莲转录组测序产量统计
注：Total Raw Reads和Total Clean Reads分别表示原始reads和clean reads的总数量；Total Clean Nucleotides表示clean reads总的碱基数；Average Read Length表示clean reads的平均长度；Q20 percentage表示过滤后质量不低于20的碱基的比例；N percentage代表过滤后不确定的碱基的比例；GC percentage表示过滤后碱基G和C数占总碱基数的比例。
所有高质量的测序片段（Clean reads）经过Trinity软件de novo组装后，共得到200 651个Contig片段，平均长度为277 bp，N50长度为398 bp；Contigs通过连接组装得到的Unigene数量为71 258个，平均序列长度为755 bp，N50长度为1 227 bp，总长度为53.8 Mb，这些序列经过同源转录本聚类分析后共得到34 483个同源聚类（见图6-5）。
(www.xing528.com)
图6-5 子莲测序组装质量统计
组装序列的长度分布如图6-6所示，Contig序列主要分布在200 bp长度（136 759条；68.16%），大于500 bp的Contig序列有26 645个，占总数的13.3%[见图6-6（a）]；组装好的Unigene共有71 258个，其长度都≥300 bp，其长度超过500 bp的Unigene有38 183条（53.58%），长度超过1 000 bp的有19 686个（27.63%），长度超过2 000 bp的Unigene有5 672条（8%）[见图6-6（b）]；在各蛋白数据库中共比对上44 256个蛋白cds编码序列，大部分cds长度重要分布于200～2 000 bp，其中有24 001个cds长度介于200～500 bp，大于500 bp的cds有23 602个，大于1 000 bp的有11 078个序列[见图6-6（c）]；在EST数据库比对上的Unigene有4 724个[见图6-6（d）]。
图6-6 百子莲转录组片段组装片段长度分布统计
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
