近日，卡耐基梅隆大学计算机学院计算生物学系Lane Fellow邵明富和计算生物学系副教授Carl Kingsford合作开发出一种更精确的转录本组装方法，命名为Scallop。相关研究已经发表在Nature Biotechnology，论文题为“Accurate assembly of transcripts through phase-preserving graph decomposition”。组装软件Scallop已经开源发布在GitHub上。

据了解，Scallop可用于重建细胞内所有转录本的全长核苷酸序列，能够帮助科学家建立一个更完整的转录组，并有助于更好地理解基因表达调控机制。转录组研究能够从整体水平上获取基因结构以及基因功能，并揭示特定生物学过程以及疾病发生过程中的分子机理。因此，Scallop有望在基础研究、临床诊断和药物研发等领域获得广泛应用。

CMU计算生物学系Lane Fellow邵明富

CMU计算生物学系副教授Carl Kingsford

目前，高通量RNA测序技术（RNA-Seq）已经发展成熟，可以用来识别新基因和剪接体，精确测量表达丰度，以及进行下游表达差异及功能分析。RNA-seq可以从细胞里的已经表达的转录本中取样并产生测序reads，其核心的计算问题是如何组装它们，也就是如何根据这些reads来恢复全长的转录本序列。目前，转录本组装仍然是悬而未决的难解问题，诸多因素例如旁系同源、读取覆盖度的不均匀、剪接变异体的多样性、搜索空间巨大等，都使得转录本组装非常有挑战性。虽然现在已经有很多组装方法，但是他们的精度还远未达到要求，特别是对低表达的转录本和多外显子转录本的组装精确度仍然很低。

目前，基于参考序列的组装方法是最准确的转录本组装方法。这类方法例如Cufflinks、Scripture、IsoLasso、StringTie、TransComb等都是先将reads与参考基因组进行联配，然后基于联配信息为每个基因位点构建可变剪接图，其中图的顶点对应外显子，图的边对应剪接，外显子和剪接的覆盖度编码为顶点和边的权重。由可变剪接图出发，组装算法会将其分解为一组路径，其中每条路径就表示一条转录本。

Scallop是一种基于参考序列的转录本组装方法。Scallop的核心是一个全新的把可变剪接图分解为路径的算法。该算法充分利用了包含在reads中的能跨越多个外显子的长程信息。Scallop能够在理论上证明，所有长程路径都能够被最终的路径所覆盖。另外，该算法还同时最小化覆盖度误差和路径数目，这使得Scallop能够同时获得更高的灵敏度和更高的特异性。

Scallop方法概览

为验证Scallop的精确度，研究人员进行了大量的测试并和现有的方法StringTie和TransComb进行了充分的比较。试验结果表明，在多外显子转录本的组装上，Scallop 的精确度比StringTie和TransComb分别高出34.5%和36.3%。并且Scallop已被证明更擅长组装低表达转录本：相比于StringTie和TransComb，Scallop的精确度分别提高了67.5％和52.3％。 

Scallop和StringTie、TransComb的精确度比较

相关链接：

文章原文：https://www.nature.com/articles/nbt.4020

Nature Sharing Initiative链接（无需订阅）：http://rdcu.be/yqNM

Scallop软件：https://github.com/Kingsford-Group/scallop

邵明富主页：https://www.cs.cmu.edu/~mingfus

Carl Kingsford主页：http://kingsfordlab.cbd.cmu.edu/