【文献分享】NextLongiso：用于多维长读长RNA-seq分析的综合性Nextflow流程

一、文章介绍长读长RNA测序技术包括Pacific Biosciences的PacBio和Oxford Nanopore Technologies的ONT通过捕获全长转录本彻底改变了转录组研究。与传统的短读长RNA-seq相比长读长平台能够直接表征异构体结构显著提升了对转录本多样性的解析能力。然而转录组多样性并不仅仅由经典剪接决定——它还受到选择性转录起始位点alternative transcription start sites、选择性多聚腺苷酸化APA和转座子TE相关外显子化的共同塑造。这些调控层面的分析目前依赖多个独立的软件工具如FLAIR、IsoQuant、StringTie2用于转录本发现SUPPA2用于可变剪接proActive用于启动子分析等需要大量的手动脚本编写和跨工具数据格式转换引入版本和参数选择的不一致性严重限制了分析的可重复性和大规模部署能力。现有基于流程的解决方案如nf-core/nanoseq和nf-core/isoseq虽然提供了标准化的比对、定量和差异表达分析但它们通常针对特定测序平台设计且主要聚焦于转录本发现和定量无法在同一框架内联合捕获启动子活性、APA、可变剪接、异构体转换和TE相关外显子化等多维调控信息。这种碎片化的分析现状迫切需要一个统一的、可扩展的解决方案。为填补这一空白Jiang Tan、Yuqing Wu及其合作者在Bioinformatics上发表了题为“NextLongiso: a comprehensive Nextflow pipeline for multi-dimensional long-read RNA-seq analysis”的研究论文提出了一个名为NextLongiso的端到端Nextflow流程。NextLongiso的核心设计围绕三个目标展开1多维调控分析的协同整合——从同一组输入读段中协调分析基因表达、异构体丰度、启动子活性、APA、可变剪接、异构体转换和TE相关转录本实现跨分析层的一致性解读2一体化可重现工作流——将转录本发现、多维调控分析和差异表达整合到单一流程中减少手动脚本编写和跨工具数据协调的需求3容器化可移植执行——基于Nextflow实现通过Singularity/Docker容器锁定所有依赖版本支持本地工作站、高性能计算集群和云平台的无缝部署。在技术实现上NextLongiso接收FASTQ文件、参考基因组FASTA和注释GTF执行以下分析模块使用minimap2进行剪接感知比对使用Bambu进行转录本发现和定量经基准测试证明其转录本发现灵敏度最高使用IsoformSwitchAnalyzeR进行异构体转换分析使用SUPPA2量化可变剪接事件PSI值使用proActive基于第一内含子剪接连接证据推断功能性启动子使用避免5’端截短伪影使用基于IsoformSwitchAnalyzeR的模块通过校正内部引发伪影鉴定真实多聚腺苷酸化位点以及一个TE相关转录本分析模块——通过将转录本外显子与RepeatMasker TE注释重叠并强制要求观察到的剪接连接支持严格过滤假阳性检测TE外显子化事件。差异表达分析使用DESeq2质量控制报告由MultiQC汇总。研究者用PacBio GM12878/H1-ESC和ONT hESC/cNESC数据集验证了流程。在PacBio数据中检测到168个新转录本、1,834个异构体转换、41个选择性启动子使用、756个选择性转录终止位点和50个TE外显子化事件。该流程明确地将这些不同的调控层联系起来揭示了同时发生的可变剪接和边界变化的协同动态。性能基准测试显示在32核环境下4个ONT样本~11 GB压缩FASTQ的完整流程运行时间为77分钟。二、算法原理介绍NextLongiso并非单一算法而是一个模块化流程编排系统其核心在于将多个专用工具通过标准化数据流串联为协同分析管道技术原理围绕“转录本为中心的多维特征提取 → 分层调控事件量化 → 跨层关联输出”展开。一转录本发现与定量基础层。采用Bambu进行上下文感知的转录本发现和定量。Bambu利用读段比对中的剪接信号和读段覆盖度从长读长数据中重建转录本结构同时区分已知和新型转录本输出扩展的GTF注释和转录本/基因水平计数矩阵。该选择基于基准测试——Bambu在转录本发现灵敏度上优于FLAIR、IsoQuant和StringTie2且基因水平定量与这些方法高度一致Pearson相关系数0.901-0.946。二分层调控事件量化分析层。1异构体转换IsoformSwitchAnalyzeR基于Bambu的转录本定量矩阵识别不同条件下转录本使用比例的显著变化即主要表达异构体的切换。2可变剪接SUPPA2从Bambu注释和计数矩阵中计算局部剪接事件外显子跳跃、选择性5’/3’剪接位点、互斥外显子、内含子保留、选择性首/末外显子并输出每个事件每个样本的PSIpercent-spliced-in值。3选择性启动子proActive不依赖物理5’读段末端易受5’截断伪影影响而是通过第一内含子剪接连接推断功能性启动子使用——只有被剪接连接支持的转录起始才被计为真实启动子事件从而区分真正的转录调控变化与技术变异。4选择性多聚腺苷酸化结合IsoformSwitchAnalyzeR的内置功能通过校正内部引发oligo-dT引物错误结合到基因组内A-rich区域伪影识别真实的3’端多聚腺苷酸化位点变化。5TE相关转录本将Bambu发现的新颖外显子与RepeatMasker TE注释重叠使用“禁区”策略排除已知参考外显子并要求候选TE外显子两侧均有观察到的剪接连接支持确保只有转录验证的外显子化事件被保留。三差异表达与报告输出输出层。DESeq2基于计数矩阵进行基因和TE水平的差异表达分析生成标准化计数、PCA图和差异表达基因列表。MultiQC汇总所有模块的质量控制指标比对率、定量统计等生成交互式HTML报告。流程通过Nextflow的通道机制实现模块间数据传递所有工具版本通过容器锁定确保跨环境可重现。三、总结NextLongiso是一个基于Nextflow的长读长RNA-seq多维分析流程通过将Bambu转录本发现、SUPPA2可变剪接、proActive启动子、IsoformSwitchAnalyzeR异构体转换与APA和定制TE分析模块整合到单一容器化流程中实现了从原始读段到多维调控图谱的端到端分析。其核心创新在于首次将转录本发现与启动子动态、多聚腺苷酸化、TE外显子化等调控层面在统一框架内协同分析避免了跨工具数据格式转换和手动脚本编写并通过剪接连接验证和内部引发校正等策略确保各模块输出的生物学可靠性。NextLongiso为从全长转录本识别到功能解释的完整分析链条提供了可扩展、可重现且平台无关的解决方案。