RNA-seq测序技术起始于2008年,其原理是随机获得某样本的反转录cDNA序列,通过组装或与参考序列比对的方法,获得该物种转录组的序列信息和基因表达信息。在多年的发展过程中,RNA-seq测序技术帮助科学家解决了大量转录层面的科研问题,比如特定性状对应的某个或某些基因的差异表达、基因融合和可变剪切事件、碱基编辑、新转录本的组装和注释等。近几年基于RNA-seq测序技术的lncRNA和环状RNA测序技术也受到了广泛的关注,为解读生命过程提供了新的思路。RNA-seq测序技术目前已经十分成熟,测序通量和读长也明显增加:2008年RNA-seq测序技术一个run只能获得几万条25-40bp长度的序列,随着高通量测序技术的迅猛发展,如今我们可以从一个run当中获得几亿甚至几十亿条长度为100bp甚至更长的序列。与DNA测序序列不同,RNA序列的比对通常面临两个挑战:RNA-seq序列经常跨越较长的内含子序列;另外,目前较常用的hiseq2000的序列长度为100bp,hiseq2500和hiseq4000则更长,如此长的序列会跨越两个或多个外显子,增加了比对的难度。同时,转录中大量出现的碱基编辑、indel、可变剪接和融合基因事件也对各种比对软件的比对能力提出了更高的要求。RNA-seq测序技术的信息分析方法开始于将测序读长比对到参考序列,从而将测序序列定位回到其来源的基因组区域[1,2]。在这个过程中比对软件的好坏往往成为整个项目是否成功的前提条件。在大多数的比对过程中,评价比对效果的因素主要有三种:比对速度、对计算机硬件(主要为内存)的需求和比对精度。目前国内科研和生产过程中应用于RNA-seq测序序列的比对软件主要有SOAP、BWA、Tophat等,暨南大学的张弓教授也组织开发了一款基于windows系统的比对软件Fanse2,相应发表的文章中认为此软件无论从比对速度、对系统的要求还是比对精度方面都具有明显优势,以此也可以看出我国在生物信息领域的进步非常迅速。目前针对RNA-seq各比对软件的比较研究有Brian J Haas[3],Garber M[4]和Kvam VM[5]等的研究结果,但主要都集中在对RNA-seq测序技术方法综述和对基因表达统计方法的比较上,2015年Steven Salzberg发表在Nature Methods的论文中比较了Hisat与其他三款不同的比对软件,认为Hisat相对于其他软件来讲速度更快,比对精度更高。但Steven Salzberg的比较中不包括SOAP、BWA等国内常用的软件。本实验在Steven Salzberg的研究基础上,分别使用无错配、有错配、有indel三种模拟数据和真实测序数据,综合比较了8种软件在比对速度、比对精度和对计算机要求中的表现,结果表明Hisat和STAR在比对速度上具有优势,同时Hisat在比对精度上明显高于其他软件,内存消耗也最小。总体来看,Hisat的综合实力最强。对只含有一个外显子的序列测试表明,在含有mismatch和indel错配的序列比对中,Fanse2都有最好的比对效果,更适合于寻找基因的表达量和鉴定snp及indel。为讨论基因组大小和重复度的高低对比对软件的影响,本实验同时使用人和线虫作为参考序列,比较不同软件的运行效率,从比对结果中发现,当基因组大小和重复度变化时,比对结果并未收到明显影响。本研究使用不同的测试数据,从不同使用角度出发,分别对8种国内外科研和生产中常出现的用于RNA-seq测序序列的比对软件进行比较,为以不同目的和结果的科研和生产过程提供新思路和实践性的参考。