RNA-Seq-Genexpressionsabschätzung mit Unsicherheit bei der Lesezuordnung

Wir stellen ein generatives statistisches Modell und zugehörige Inferenzmethoden vor, die die Unsicherheit bei der Lesezuordnung auf prinzipielle Weise berücksichtigen. Durch Simulationen, die mit realen RNA-Seq-Daten parametrisiert sind, zeigen wir, dass unsere Methode genauer ist als frühere Methoden. Unsere verbesserte Genauigkeit resultiert aus der Berücksichtigung der Unsicherheit bei der Lesezuordnung mittels eines statistischen Modells und der Schätzung der Genexpressionsniveaus als Summe der Isoform-Expressionsniveaus. Im Gegensatz zu früheren Methoden ist unsere Methode in der Lage, nicht-uniforme Leseverteilungen abzubilden. Simulationen mit unserer Methode zeigen, dass eine Leselänge von 20-25 Basen für die Genexpressionsabschätzung auf Genebene bei Maus- und Mais-RNA-Seq-Daten optimal ist, wenn der Sequenzierungsdurchsatz festgelegt ist.