转录组高级分析之融合基因
一般来说，数据分析的任何一个点都会有成百上千个实验室在为之努力，比如比对，定量，可变剪切，融合基因这些步骤，那么同时也会有很多工具测评的文章，比如针对融合基因的随便搜一下，就可以发现下面两个：
2016的文章：Comparative assessment of methods for the fusion transcripts detection from RNA-Seq data 测评了12个工具。 2019的文章：Accuracy assessment of fusion transcript detection via read-mapping and de novo fusion transcript assembly-based methods 测评了23个工具算法。
大家完全可以直接快速浏览这样的文章就能迅速了解这个领域了！
融合基因算法的两个流派
转录组拼接来探索新的融合基因情况
2017年BMC文章：De novo assembly and characterization of breast cancer transcriptomes identifies large numbers of novel fusion-gene transcripts of potential functional significance， 通过对乳腺癌的转录组数据进行拼接来探索新的融合基因情况。
作者开发了流程来做the de novo assembly and characterization of chimeric transcripts in 55 primary breast cancer and normal tissue samples. 这里，作者从TCGA数据库里面选取45个乳腺原位癌以及10个正常样品测序的原始数据，走下面的步骤：
先用Trim Galore做质控。 然后用ABySS来进行转录本组装(多个kmer值同时组装),组装好的contig先用RepeatMasker把ployA尾巴屏蔽掉 然后用blat跟参考基因组比对，BLAT产生的pslx文件可以直接作为R-SAP流程的输入文件，来寻找 chimeric transcript 对找到的chimeric transcript结果进行一系列的严格过滤。 再用bowtie把原始的转录组测序数据比对到找到的chimeric transcript序列，最后得到了1959个chimeric transcript序列。
仅关注 split reads and discordant read pairs
比如工具FusionScan的文章：FusionScan: accurate prediction of fusion genes from RNA-Seq data 里面的流程图：
可以看到全程依赖于比对环节，提取 split reads and discordant read pairs。
融合基因的数据挖掘思路
融合基因本身是肿瘤治疗的靶点，所以可以看有无某融合事件进行分组后看生存差异，以及一系列分组后的标准分析。
大量的NGS队列研究都仅仅是分析到了表达量层面，而且提供测序原始数据的，所以可以下载原始数据去看融合基因突变全景图，以及对应的生物学意义！比如文章：Transcriptome analysis offers a comprehensive illustration of the genetic background of pediatric acute myeloid leukemia 就是专注解释了一个AML队列的融合基因情况：
TCGA的融合基因
在数据库网页工具：https://tumorfusions.org/ 可以下载和查询针对TCGA的RNA-seq数据的全部基因融合事件，全称是：TUMOR FUSION GENE DATA PORTAL
同时还有一个：ChimerDB 4.0: an updated and expanded database of fusion genes 也提供查询TCGA的RNA-seq数据的基因融合事件
以及 https://ccsm.uth.edu/FusionGDB/index.html
融合基因的临床应用前景
这个很有意思，之前听瑞金医院的朋友提到过，准备把RNA-seq的临检常规化，我特意搜索了一下，发现已经有一些RNA-seq的融合基因panel。具体推荐大家看2个文章：
Diagnosis of fusion genes using targeted RNA sequencing Development and Verification of an RNA Sequencing (RNA-Seq) Assay for the Detection of Gene Fusions in Tumors
三代测序会变革融合基因领域
在三代测序的超长reads的优点面前，以前那些在ngs的短reads的算法难题都不再是问题，所以我还是蛮相信三代测序会变革融合基因领域，大家可以去搜索一些文献，比如：A Nanopore Sequencing–Based Assay for Rapid Detection of Gene Fusions
因为三代测序不是我的领域，我就先不总结了，也许三五年后我会回过头来继续这方面知识整理吧，那个时候我在生物信息学领域就达到了10年分享的小目标！
不过恰好有一个三代测序的研究实验室有博士后招聘，博士后训练机会，俄亥俄州立大学，生物医学信息系：
统计生物信息学实验室(http://augroup.org/)主要关注开发和应用生物信息学方法在高通量的测序数据 分析上，特别是三代测序的数据分析。
癌症研究领域里面三代测序肯定会发光发热，而且走融合基因这一个小领域也不错，感兴趣的博士们赶快联系吧！
融合基因算法工具列表
其实说了那么多，大家想要的就是一个好用的工具，去把RNA-seq数据鉴定一些融合基因事件。但是工具有近百个之多！
我在 https://www.biostars.org/p/45986/ 看到一个精彩的回答里面，他们总结了从RNA-seq数据里面鉴定融合基因的工具列表：
1. Barnacle 2. Bellerophontes 3. BreakDancer 4. BreakFusion 5. BreakPointer 6. ChimeraScan 7. Comrad 8. CRAC 9. deFuse 10. Dissect 11. EBARDenovo 12. EricScript 13. FusionAnalyser 14. FusionCatcher 15. FusionFinder 16. FusionHunter 17. FusionMap 18. FusionQ 19. FusionSeq 20. IDP-fusion 21. iFUSE 22. InFusion 23. INTEGRATE 24. JAFFA 25. LifeScope 26. MapSplice 27. MOJO 28. nFuse 29. Pegasus 30. PRADA 31. ShortFuse 32. SnowShoes-FTD 33. SOAPFuse 34. SOAPFusion 35. STAR 36. STAR-Fusion 37. TopHat-Fusion 38. TRUP 39. ViralFusionSeq
文末友情提示
要想真正入门生物信息学建议务必购买全套书籍，一点一滴攻克计算机基础知识，书单在：什么，生信入门全套书籍仅需160 。
如果大家没有时间自行慢慢摸索着学习，可以考虑我们生信技能树官方举办的学习班：
如果你没有服务器的话，做NGS数据分析实战可能会有点勉强，建议考虑：每天不足一块钱，定制生信云送给你