2. 用于处理新一代测序技术数据的软件和标准
各种新一代测序仪的飞速发展面临着一个极其重要的问题，那就是生物信息学问题，这些问题包括序列质量评分（sequence quality scoring）问题、序列比对问题、序列组装问题、数据发布问题等。下面将逐个进行讨论。
2.1 序列质量问题
目前，序列质量评分问题是受到广泛关注的一个问题。造成这种现象的原因主要是因为所有新一代测序仪的测序质量都不高，而且不同的序列情况都有各自的误差率。随着新一代测序仪产品的不断成熟，在临床及科研工作中的应用范围越来越广，它们的测序质量也就变得重要起来，而且我们也需要对各个测序仪的测序质量有一个清晰的、可靠的评价标准。由于这个问题还只是刚刚出现，所以我们有机会设立一个全球统一的、标准化的评价体系对目前现有的以及将来即将出现的测序仪进行评价。我们希望避免再次发生类似过去几个芯片厂家之间进行数据比较的尴尬局面。对于测序仪的应用范围进行标准化的质量评价也是有好处的。比如评价从头测序的质量、评价测序结果与参考序列的相似度、评价测序仪发现突变以及多态性的能力以及对测序仪在进行大规模测序项目研究时的质量可靠性进行评价等。表7列出了几项应该被重点评价的项目。
这些质量数据都应该以一种简单、标准化的方式包含在测序结果中。现在所有的测序仪器生产商也都在他们的测序报告中加入了测序质量信息，消费者可以借此对数据进行交叉比较，甚至还有可能各取所长，将不同测序仪的测序结果整合起来，获得最佳的测序结果。目前，旨在从短片段测序结果中发现多态性以及突变位点的重测序项目经常会依靠“主要投票机制（majority
voting
scheme）”。该方法易于操作，但是容易出错，假阴性率较高。诸如Brockman小组和Quinlan小组开发的，更多更好的用于发现单核苷酸多态
性的方法是将误差率与单个碱基信号联系起来，即误差率与测序质量和序列内容相关，这样就能获得更准确的结果。我们估计，像phred样质量值之类的评价体
系以及“第三方”算法的不断发展，最终一定会诞生一个很好的发现多态性的工具。
2.2 用于分析数据的软件以及生物信息学工具
虽然这些软件和工具都还没有完全商业化，但我们还是能获得一些软件用来分析新一代测序仪的测序结果（表8）。这些软件和工具的功能主要集中在4个方面（表9）。
序列比对和组装是一个颇受关注的问题。虽然BLAST和BLAT等序列比对工具对于长片段的序列比对来说非常有用，但是它们不适合新一代测序仪获得的短片段序列。因此，有大量的针对短测序片段的比对工具出现，这些工具中允许错配或者空隙出现。这些工具中有些借鉴了非常成熟的序列比对算法，例如 Smith-Waterman算法等，不过还是有很多新的专门针对短序列片段的算法出现。比如SOAP就是这样一种新型算法，这个软件包能非常有效地进行 有空隙或者无空隙的序列比对。该软件包使用了一种内存密集种子（memory-intensive seed）算法和查表格（look-up table）算法来加快比对速度，同时能够对最容易出错的3’端序列进行反复调整。
其它用来加速比对过程的方法还包括“字节编码（bit encoding）”技术。该技术能将序列信息压缩成计算机信息，这样更利于计算机管理和分析。越来越多的比对软件在进行比对时开始考虑数据质量，比如能 处理Solexa测序仪测序结果和SOLiD测序仪测序结果的MAQ软件，以及能用最新的“字符空隙转化成彩色空隙（color-space to letter-space）”的Smith-Waterman算法对SOLiD测序仪的双碱基编码测序结果进行分析的SHRiMP 工具（http://compbio.cs.toronto.edu/shrimp/）。
和序列比对算法的进展情况不同，如何将相对低质量的短片段序列从头组装起来还是一大难题。不过，已经有好几种组装工具开始投入使用了。对于这种短片段序列的从头组装工作来说，配对序列对于整个工作的成功与否影响最大，因此已经有人开始利用配对序列设计新的组装工具了。
2.3序列数据出版、发行、组织存档原则
目前对于如何组织、存档以及发布这些新一代测序仪产生的短片段序列结果正处于热烈的讨论之中，人们希望制定一个类似芯片试验 （microarray experiments，http://uhts.lbl.gov/）时制定的MIAME（Minimum Information About a Microarray Experiment）规则。这些早期的工作经验在如何处理包括生物学注释信息、临床原始数据、关键试验细节（比如样品特征、样品处理方法）在内的元数据，以及如何处理、出版发行这些数据等方面给了我们良好的建议。如何对这些新一代测序仪的测序结果数据进行公共管理也是一个需要探讨的问题。NCBI最近专门为短片段序列建立了数据库Short Read Archive（SRA），并同步制定数据提交格式。SRA数据库不仅会收集包括实验注释信息、试验参数等信息的数据，而且还会被整合到Entrez查询系统当中。目前的工作主要包括开发线上搜索工具、数据图形化工具，这些工作有望在近期完成。
首页
