Эта статья входит в число добротных статей

Визуализация данных секвенирования РНК

Перейти к навигацииПерейти к поиску

Визуализа́ция да́нных секвени́рования РНК — способ визуального представления данных, полученных с помощью РНК-секвенирования (RNA-seq) в наглядной форме, с помощью которого можно увидеть картирование полученных чтений на геном и анализировать уровень экспрессии гена. Существует множество программ, позволяющих осуществить визуализацию.

РНК-секвенирование

Основная статья: Секвенирование РНК

РНК-секвенирование (RNA-seq) — технология, позволяющая определять последовательности молекул РНК, причём как кодирующих мРНК, так и некодирующих РНК. В основе метода лежит использование технологии секвенирования нового поколения NGS, которая позволяет устанавливать фрагменты кДНК (комплементарной ДНК), в которую предварительно переводят выделенную из биологического образца РНК[1]. С разработкой методов NGS стало возможным проще проводить анализ транскриптома, в том числе и транскриптома отдельной клетки, что было ранее невозможно при применении более старого способа с использованием ДНК-микрочипов[2][3]. Помимо мРНК данная технология позволяет также исследовать миРНК, тРНК и рРНК[4].

Подготовка и картирование данных секвенирования РНК

Основная статья: Картирование коротких прочтений

Получив «сырые» данные секвенирования РНК одним из методов NGS, их прежде всего нужно подготовить: удалить плохие по качеству прочтения и обрезать у оставшихся края, содержащие ошибки и последовательности адаптеров, чтобы в итоге получились последовательности длиной примерно 50 нуклеотидов с высоким показателем качества. Стандартной программой для выполнения подобной коррекции является Trimmomatic. Она разработана для операционной системы Linux и запускается из командной строки[5].

Для проверки качества часто пользуются программой FastQC, которая обращает внимание на несколько критериев, таких как распределение качества прочтенных остатков и процент встречаемости нуклеотидов каждого типа в зависимости от их положения, а также распределение последовательностей по их среднему качеству и GC-составу. Одним из важных показателей является процент уникальных последовательностей (то есть тех, что присутствуют в наборе данных с минимальной степенью дубликации), так как их содержание < 50 % говорит о переамплификации образцов на финальном этапе подготовки, что приводит к потере детекции мРНК, присутствующих в клетках в небольших количествах[6]. Если уровень качества прочтений в целом неудовлетворительный, то повторно проводят коррекцию и чистку «сырых» данных. Если же результаты оказались удовлетворительными, то данные картируют на референсный геном для оценки того, как именно получившиеся прочтения (риды, англ. reads) распределены[7].

Для этого существует также огромное количество программ в зависимости от поставленной задачи. Все их можно разделить на две части: для сборки de novo (например Trinity[8], SOAPdenovo-Trans[9], Rnnotator[10] и Trans-ABySS[11]) и для сборки при наличии референсного генома (например STAR[12], Bowtie2[13], TopHat[14] и BWA[15]). После картирования также необходимо проверить качество получившихся выравниваний такими программами, как Picard[16], RNA-SeQC[17], FasrQC[6] и RSeQC[18]. Здесь одним из наиболее важных параметров является процент откартировавшихся прочтений, который отражает точность секвенирования. В норме для генома человека он должен составлять не менее 70 % от всех ридов. Другим ключевым показателем является процент уникальных последовательностей, то есть тех, что специфически откартировались на геном (в одно конкретное место). Если он больше или равен 30 %, можно утверждать, что полученные данные достоверны. И только после того, как очищенные и картированные данные с РНК-секвенирования пройдут последний контроль качества, можно приступать к их нормировке и визуализации[7].

Визуализация данных секвенирования РНК

Данные, получаемые в результате секвенирования РНК, очень велики, могут достигать гига- и терабайтов. Для того, чтобы любой желающий мог визуализировать данные, выложенные в открытом доступе или полученные в своей лаборатории, и существуют программы-визуализаторы. Они позволяют увидеть неровное покрытие, в то время как компьютерные численные методы анализа данных РНК-секвенирования предполагают, что покрытие транскрипта чтениями более-менее равномерное или зависит от нескольких факторов (таких как mappability, GC-содержание), однако это не всегда так. Помимо этого, использование данных программ позволяет подготавливать качественные изображения, приемлемые для использования в научных статьях[19].

Визуализация данных РНК-секвенирования также упрощает процесс анализа качества данных, уровня дифференциальной экспрессии генов, поиск альтернативного сплайсинга и однонуклеотидных полиморфизмов. Все существующие на данный момент программы-визуализаторы можно подразделить на три типа[20]:

  • Геномные браузеры. Это онлайн-серверы, позволяющие загружать данные и обращаться к уже существующим (в открытом доступе), например, UCSC Genome Browser и Zenbu.
  • Автономные приложения. Устанавливаются на пользовательский компьютер или локальный сервер. Централизованно хранят большое количество данных. Например, Integrative Genomics Viewer, Integrated Genome Browser с графическим пользовательским интерфейсом и ASCIIGenome с запуском из консоли.
  • Гибридные программы. Предоставляют функциональность геномных браузеров как в виде онлайн-сервера, так и в виде автономного приложения. Типичный пример: BioUML.

Программы для визуализации данных секвенирования РНК

Integrative Genomics Viewer

Программа Integrative Genomics Viewer (IGV) была разработана в Broad Institute в 2011 году[21]. Integrative Genomics Viewer позволяет интуитивно в реальном времени исследовать крупномасштабные наборы геномных данных через настольное Java-приложение, веб-приложение IGV-Web, а также igv.js — компонент JavaScript, который может быть встроен в веб-страницы[22]. IGV может быть использован на компьютерах с операционными системами Windows, Mac и Linux, а также на iPad. Эта программа представляет собой мощный инструмент не только для визуализации данных РНК-секвенирования, но и для просмотра других данных секвенирования нового поколения, а также данных, полученных с помощью секвенирования на чипах. Он поддерживает гибкую интеграцию широкого спектра типов геномных данных, включая чтение выравненных последовательностей, мутации, копийность, RNAi-скрины, экспрессию генов, метилирование и геномные аннотации[23].

Использовать данную программу можно при необходимости анализировать данные загруженные как из локальных, так и из удаленных источников, включая облачные ресурсы, что позволяет исследователям просматривать свои собственные наборы геномных данных вместе с общедоступными данными. Так как основная проблема работы с геномными данными это их размер, был использован подход, основанный на предварительной обработке данных в различных масштабах. Была разработана пирамидальная структура данных (так называемая data tiling), позволяющая тратить минимум памяти. Для IGV был также разработан специальный файловый формат TDF (англ. tiled data format)[24]. Для обработки данных RNA-seq рекомендуются форматы TDF и WIG, однако, помимо этих, дополнительно поддерживаются неиндексированные форматы, такие как GFF и BED, индексированные форматы, такие как BAM и Goby, а также форматы файлов с различным разрешением: bigWig и bigBed[23].

Программа в своём функционале имеет возможность масштабирования и перемещения по геному на любом уровне детализации — от целого генома до пары оснований. В зависимости от масштаба IGV будет отображать различные параметры, такие как покрытие, выравнивание и т. д. До загрузки данных необходимо сперва загрузить референсный геном, который можно выбрать либо из представленных самим IGV, либо импортировать извне. Для анализа данных выравниваний используется цветовая кодировка, а также уровень прозрачности, что позволяет удобным образом выявлять однонуклеотидные полиморфизмы. Помимо этого, существуют инструменты для идентификации повторов, вставок, делеций и т. д. Предусмотрена возможность взаимодействия с Matlab и программами Microsoft Office[21].

Sashimi Plot

Скриншот работы Sashimi Plot, запущенной через IGV

Sashimi Plot — утилита, позволяющая визуализировать данные анализа РНК-секвенирования для изучения экспрессии изоформ. Данная программа начала разрабатываться в 2011 году и является частью проекта MISO (Mixture of ISOforms), который занимается проблемами альтернативного сплайсинга в данных РНК-секвенирования[25].

Sashimi Plot можно запускать из командной строки, установив пакет MISO, или использовать через IGV[25]. Программа принимает на вход сырые данные, и строит распределения результатов RNA-seq вокруг экзонов для нескольких выборок, одновременно визуализируя модель гена, на который картируются риды[26].

Sashimi Plot позволяет строить графики, отражающие уровень экспрессии экзонов и их возможные соединения. Благодаря этому можно сформировать предположения о возможной структуре изоформ гена, а также синтезировать графики распределения длин вставок. Также он показывает оценки MISO для рассматриваемых событий и способен совмещать несколько образцов на одном и том же рисунке. Утилита позволяет создавать изображения, готовые к публикации, и разрешает сохранять картинки в нескольких форматах (включая PDF и PNG)[25].

Tablet

Скриншот работы программы Tablet

Tablet — программа-визуализатор геномных данных, позволяющая просматривать данные РНК-секвенирования. Данная программа написана на Java и доступна на компьютерах с операционными системами Windows, Mac и Linux, поддерживает цветовую кодировку для построения выравниваний и форматы данных ACE, AFG, MAQ, SOAP2, SAM, BAM, FASTA, FASTQ и GFF3. Tablet была разработана специально для обработки данных, получаемых с помощью технологий второго поколения секвенирования в 2009 году[27]. Последняя версия программы была выпущена в 2017 году[28].

Tablet позволяет сопоставлять транскриптомные данные с референсным геномом для оценки существующих моделей генов, например границ интронов и экзонов в эукариотах. Программа позволяет визуально оценивать вероятность альтернативного сплайсинга, а также может использоваться для поиска SNP (однонуклеотидных полиморфизмов) на основании данных RNA-seq[29].

RNAseqViewer

RNAseqViewer предназначена для визуализации одного или нескольких образцов РНК-секвенирования. Программа была разработана в 2013 году. Она доступна на трех языках (английский, китайский или французский) и совместима с операционными системами Windows, Ubuntu, Debian, а также возможен запуск через консоль[30].

Основная задача — визуализация уровня экспрессии генов и альтернативного сплайсинга. Интерфейс позволяет плавно перемещаться по геному с помощью мыши, клавиатуры или кнопок управления программы, также возможно обращение к конкретной точке генома через координаты или название гена[19].

Программа имеет инновационный подход к представлению транскрипционных данных. На вход программа принимает 7 типов файловых форматов. В зависимости от формата программа может визуализировать тепловую карту (SAM/BAM), связи между ридами (BED), нуклеотиды (FASTA), аннотацию генов (RefFlat/GTF) и гистограмму экспрессии (Wiggle), а также позволяет осуществлять просмотр всего транскриптома (GFF). Программа предоставляет возможность экспортировать данные во множество различных форматов, в том числе и PDF[19].

Integrated Genome Browser

Скриншот работы программы IGB

Integrated Genome Browser (IGB) — программа, разработанная компанией Affymetrix в 2004 году, позволяющая просматривать данные РНК-секвенирования и ChIP-секвенирования вдоль аннотации генома[31]. IGB была создана на основе Java библиотеки Genoviz SDK, она совместима с операционными системами UNIX, Linux, Mac и Windows[32].

CBrowse

CBrowse — инструмент для визуализации и анализа, основанный на использовании форматов SAM или BAM. Программа была разработана в лаборатории Liang в 2012 году[33]. На официальном сайте можно скачать программу, а также найти видеоролик о ее установке и использовании, инструкцию и примеры вывода каждой команды. На вход программе необходимо передать файл с последовательностью контигов, а также соответствующий SAM/BAM файл. Она обрабатывает входные данные, проводит поиск однонуклеотидных полиморфизмов и повторов, создает изображение, JSON-, MySQL-совместимые файлы, которые могут быть использованы в других программах[34].

Непосредственно за визуализацию отвечает программа Alignment Viewer, которая позволяет визуализировать выравнивание последовательностей в различном масштабе (от просмотра целых последовательностей до отдельных нуклеотидов), причём с различной цветовой кодировкой различий в нуклеотидных позициях[34].

Помимо этого существует еще 4 инструмента для анализа[34]:

  • Contig viewer — программа для просмотра контигов, предоставляет общую информацию о сборке, также как и об индивидуальном контиге.
  • Sequence viewer — программа-просмотрщик, позволяет пользователям искать нуклеотидные последовательности в контигах.
  • Polymorphism Viewer — программа, предназначенная для поиска полиморфизмов (однонуклеотидные полиморфизмы, а также одиночные вставки/делеции и другие полиморфизмы), она показывает их координаты и частоту в каждом контиге.
  • SSR Viewer — программа, обеспечивающая поиск простых повторов в последовательности в каждом контиге (повтор с размером 1-12 нуклеотидов, причём как с идеальным соответствием, так и с неполным совпадением).

svist4get

svist4get — программа для визуализации данных высокопроизводительного секвенирования, в том числе RNA-seq. Разработана в 2019 году. Поддерживается операционной системой Linux. Сама программа написана на языке программирования Python 3 и позволяет получать наглядные изображения для публикации в научных журналах[20].

svist4get можно использовать как инструмент командной строки, а также в режиме API. Инструмент использует визуализацию в векторной графике и поддерживает широкую кастомизацию. Удобен еще и тем, что позволяет на одном изображении отобразить данные из разных биологических образцов и полученные разными методами[20].

Другие

  • Artemis — геномный браузер и программа для аннотирования, визуализирующая данные РНК-секвенирования и позволяющая просмотреть белковую последовательность в 6 возможных рамках считывания. Написана на языке программирования Java и устанавливается на операционные системы UNIX, Macintosh и Windows[35].
  • Apollo — программа для визуализации и аннотирования, удобна для использования несколькими людьми — позволяет синхронизировать данные между ними[36].
  • BamView — позволяет просматривать BAM-файлы[37].
  • Degust — интерактивный инструмент для визуализации данных дифференциальной экспрессии генов. Он не показывает, как именно прочтения откартировались на референсный геном, но позволяет наглядно по спектру показателей изучить полученные данные. Работает с входными данными в CSV формате[38].
  • GBrowse — пакет программ, которые позволяют визуализировать данные и анализировать их. Позволяет на одном экране одновременно отображать как расположение интересующего участка на хромосоме, так и более детальное покрытие интересующего участка ридами, а также расположение полиморфизмов и GC-состав[39].
  • GenomeView — автономная программа визуализатор и редактор, позволяющая работать с множеством форматов файлов[40].
  • Tbrowse — простой, интуитивно понятный автономный браузер для визуализации данных РНК-секвенирования. Написан на языке программирования Java. Последнее обновление было в 2010 году[41].
  • Savant — автономный инструмент для визуализации данных высокопроизводительного секвенирования (в том числе и РНК-секвенирования). Функционал визуализации минимален, пригоден для личного пользования, но не для публикаций[42].
  • Gviz и ggbio — пакеты на языке программирования R, которые позволяют генерировать картинки по данным РНК-секвенирования, пригодные для публикации в научных журналах[43][44].
  • fluff и ngs.plot — утилиты, запускаемые с командной строки. Предоставляют расширенный функционал для анализа данных, но минималистичные возможности визуализации конкретных сегментов генома[45][46].

Примечания

  1. ↑ Haas Brian J, Zody Michael C. Advancing RNA-Seq analysis (англ.) // Nature Biotechnology. — 2010. — May (vol. 28, no. 5). — P. 421—423. — ISSN 1087-0156. — doi:10.1038/nbt0510-421. [исправить]
  2. ↑ Maher Christopher A., Kumar-Sinha Chandan, Cao Xuhong, Kalyana-Sundaram Shanker, Han Bo, Jing Xiaojun, Sam Lee, Barrette Terrence, Palanisamy Nallasivam, Chinnaiyan Arul M. Transcriptome sequencing to detect gene fusions in cancer (англ.) // Nature. — 2009. — 11 January (vol. 458, no. 7234). — P. 97—101. — ISSN 0028-0836. — doi:10.1038/nature07638. [исправить]
  3. ↑ Nookaew Intawat, Papini Marta, Pornputtapong Natapol, Scalcinati Gionata, Fagerberg Linn, Uhlén Matthias, Nielsen Jens. A comprehensive comparison of RNA-Seq-based transcriptome analysis from reads to differential gene expression and cross-comparison with microarrays: a case study in Saccharomyces cerevisiae (англ.) // Nucleic Acids Research. — 2012. — 8 September (vol. 40, no. 20). — P. 10084—10097. — ISSN 1362-4962. — doi:10.1093/nar/gks804. [исправить]
  4. ↑ Ingolia Nicholas T, Brar Gloria A, Rouskin Silvia, McGeachy Anna M, Weissman Jonathan S. The ribosome profiling strategy for monitoring translation in vivo by deep sequencing of ribosome-protected mRNA fragments (англ.) // Nature Protocols. — 2012. — 26 July (vol. 7, no. 8). — P. 1534—1550. — ISSN 1754-2189. — doi:10.1038/nprot.2012.086. [исправить]
  5. ↑ Bolger Anthony M., Lohse Marc, Usadel Bjoern. Trimmomatic: a flexible trimmer for Illumina sequence data (англ.) // Bioinformatics. — 2014. — 1 April (vol. 30, no. 15). — P. 2114—2120. — ISSN 1460-2059. — doi:10.1093/bioinformatics/btu170. [исправить]
  6. ↑ 1 2 Babraham Bioinformatics - FastQC A Quality Control tool for High Throughput Sequence Data. www.bioinformatics.babraham.ac.uk. Дата обращения: 27 апреля 2019. Архивировано 2 марта 2019 года.
  7. ↑ 1 2 Reuther Jacquelyn, Roy Angshumoy, Monzon Federico A. Transcriptome Sequencing (RNA-Seq) (англ.) // Genomic Applications in Pathology. — 2018. — 11 December. — P. 33—49. — ISBN 9783319968292. — doi:10.1007/978-3-319-96830-8_4. [исправить]
  8. ↑ Grabherr Manfred G, Haas Brian J, Yassour Moran, Levin Joshua Z, Thompson Dawn A, Amit Ido, Adiconis Xian, Fan Lin, Raychowdhury Raktima, Zeng Qiandong, Chen Zehua, Mauceli Evan, Hacohen Nir, Gnirke Andreas, Rhind Nicholas, di Palma Federica, Birren Bruce W, Nusbaum Chad, Lindblad-Toh Kerstin, Friedman Nir, Regev Aviv. Full-length transcriptome assembly from RNA-Seq data without a reference genome (англ.) // Nature Biotechnology. — 2011. — 15 May (vol. 29, no. 7). — P. 644—652. — ISSN 1087-0156. — doi:10.1038/nbt.1883. [исправить]
  9. ↑ Xie Y., Wu G., Tang J., Luo R., Patterson J., Liu S., Huang W., He G., Gu S., Li S., Zhou X., Lam T.-W., Li Y., Xu X., Wong G. K.-S., Wang J. SOAPdenovo-Trans: de novo transcriptome assembly with short RNA-Seq reads (англ.) // Bioinformatics. — 2014. — 13 February (vol. 30, no. 12). — P. 1660—1666. — ISSN 1367-4803. — doi:10.1093/bioinformatics/btu077. [исправить]
  10. ↑ Martin Jeffrey, Bruno Vincent M, Fang Zhide, Meng Xiandong, Blow Matthew, Zhang Tao, Sherlock Gavin, Snyder Michael, Wang Zhong. Rnnotator: an automated de novo transcriptome assembly pipeline from stranded RNA-Seq reads (англ.) // BMC Genomics. — 2010. — Vol. 11, no. 1. — P. 663. — ISSN 1471-2164. — doi:10.1186/1471-2164-11-663. [исправить]
  11. ↑ Robertson Gordon, Schein Jacqueline, Chiu Readman, Corbett Richard, Field Matthew, Jackman Shaun D, Mungall Karen, Lee Sam, Okada Hisanaga Mark, Qian Jenny Q, Griffith Malachi, Raymond Anthony, Thiessen Nina, Cezard Timothee, Butterfield Yaron S, Newsome Richard, Chan Simon K, She Rong, Varhol Richard, Kamoh Baljit, Prabhu Anna-Liisa, Tam Angela, Zhao YongJun, Moore Richard A, Hirst Martin, Marra Marco A, Jones Steven J M, Hoodless Pamela A, Birol Inanc. De novo assembly and analysis of RNA-seq data (англ.) // Nature Methods. — 2010. — 10 October (vol. 7, no. 11). — P. 909—912. — ISSN 1548-7091. — doi:10.1038/nmeth.1517. [исправить]
  12. ↑ Dobin Alexander, Davis Carrie A., Schlesinger Felix, Drenkow Jorg, Zaleski Chris, Jha Sonali, Batut Philippe, Chaisson Mark, Gingeras Thomas R. STAR: ultrafast universal RNA-seq aligner (англ.) // Bioinformatics. — 2012. — 25 October (vol. 29, no. 1). — P. 15—21. — ISSN 1460-2059. — doi:10.1093/bioinformatics/bts635. [исправить]
  13. ↑ Langmead Ben, Salzberg Steven L. Fast gapped-read alignment with Bowtie 2 (англ.) // Nature Methods. — 2012. — 4 March (vol. 9, no. 4). — P. 357—359. — ISSN 1548-7091. — doi:10.1038/nmeth.1923. [исправить]
  14. ↑ Trapnell Cole, Pachter Lior, Salzberg Steven L. TopHat: discovering splice junctions with RNA-Seq (англ.) // Bioinformatics. — 2009. — 16 March (vol. 25, no. 9). — P. 1105—1111. — ISSN 1460-2059. — doi:10.1093/bioinformatics/btp120. [исправить]
  15. ↑ Burrows-Wheeler Aligner. bio-bwa.sourceforge.net. Дата обращения: 27 апреля 2019. Архивировано 1 мая 2013 года.
  16. ↑ Picard Tools - By Broad Institute. broadinstitute.github.io. Дата обращения: 27 апреля 2019. Архивировано 14 августа 2018 года.
  17. ↑ DeLuca David S., Levin Joshua Z., Sivachenko Andrey, Fennell Timothy, Nazaire Marc-Danie, Williams Chris, Reich Michael, Winckler Wendy, Getz Gad. RNA-SeQC: RNA-seq metrics for quality control and process optimization (англ.) // Bioinformatics. — 2012. — 25 April (vol. 28, no. 11). — P. 1530—1532. — ISSN 1460-2059. — doi:10.1093/bioinformatics/bts196. [исправить]
  18. ↑ Wang Liguo, Wang Shengqin, Li Wei. RSeQC: quality control of RNA-seq experiments (англ.) // Bioinformatics. — 2012. — 27 June (vol. 28, no. 16). — P. 2184—2185. — ISSN 1460-2059. — doi:10.1093/bioinformatics/bts356. [исправить]
  19. ↑ 1 2 3 Rogé Xavier, Zhang Xuegong. RNAseqViewer: visualization tool for RNA-Seq data (англ.) // Bioinformatics. — 2013. — 8 November (vol. 30, no. 6). — P. 891—892. — ISSN 1460-2059. — doi:10.1093/bioinformatics/btt649. [исправить]
  20. ↑ 1 2 3 Egorov Artyom A., Sakharova Ekaterina A., Anisimova Aleksandra S., Dmitriev Sergey E., Gladyshev Vadim N., Kulakovskiy Ivan V. svist4get: a simple visualization tool for genomic tracks from sequencing experiments (англ.) // BMC Bioinformatics. — 2019. — 6 March (vol. 20, no. 1). — ISSN 1471-2105. — doi:10.1186/s12859-019-2706-8. [исправить]
  21. ↑ 1 2 Robinson James T, Thorvaldsdóttir Helga, Winckler Wendy, Guttman Mitchell, Lander Eric S, Getz Gad, Mesirov Jill P. Integrative genomics viewer (англ.) // Nature Biotechnology. — 2011. — January (vol. 29, no. 1). — P. 24—26. — ISSN 1087-0156. — doi:10.1038/nbt.1754. [исправить]
  22. ↑ IGV: Integrative Genomics Viewer. igv.org. Дата обращения: 27 апреля 2019. Архивировано 21 апреля 2019 года.
  23. ↑ 1 2 Home | Integrative Genomics Viewer. software.broadinstitute.org. Дата обращения: 2 мая 2019. Архивировано 29 ноября 2018 года.
  24. ↑ Thorvaldsdottir H., Robinson J. T., Mesirov J. P. Integrative Genomics Viewer (IGV): high-performance genomics data visualization and exploration (англ.) // Briefings in Bioinformatics. — 2012. — 19 April (vol. 14, no. 2). — P. 178—192. — ISSN 1467-5463. — doi:10.1093/bib/bbs017. [исправить]
  25. ↑ 1 2 3 What is sashimi_plot? — MISO documentation. miso.readthedocs.io. Дата обращения: 27 апреля 2019. Архивировано 3 августа 2018 года.
  26. ↑ Sashimi Plot | Integrative Genomics Viewer. software.broadinstitute.org. Дата обращения: 27 апреля 2019. Архивировано 10 марта 2019 года.
  27. ↑ Milne I., Bayer M., Cardle L., Shaw P., Stephen G., Wright F., Marshall D. Tablet--next generation sequence assembly visualization (англ.) // Bioinformatics. — 2009. — 4 December (vol. 26, no. 3). — P. 401—402. — ISSN 1367-4803. — doi:10.1093/bioinformatics/btp666. [исправить]
  28. ↑ Download Tablet : Information & Computational Sciences (англ.). Дата обращения: 27 апреля 2019. Архивировано 21 апреля 2019 года.
  29. ↑ Tablet : Information & Computational Sciences (англ.). Дата обращения: 2 мая 2019. Архивировано 21 апреля 2019 года.
  30. ↑ RNAseqViewer. bioinfo.au.tsinghua.edu.cn. Дата обращения: 2 мая 2019. Архивировано 18 октября 2018 года.
  31. ↑ Nicol J. W., Helt G. A., Blanchard S. G., Raja A., Loraine A. E. The Integrated Genome Browser: free software for distribution and exploration of genome-scale datasets (англ.) // Bioinformatics. — 2009. — 4 August (vol. 25, no. 20). — P. 2730—2731. — ISSN 1367-4803. — doi:10.1093/bioinformatics/btp472. [исправить]
  32. ↑ Integrated Genome Browser 9.0.2 Download. bioviz.org. Дата обращения: 2 мая 2019. Архивировано 18 октября 2018 года.
  33. ↑ Li Pei, Ji Guoli, Dong Min, Schmidt Emily, Lenox Douglas, Chen Liangliang, Liu Qi, Liu Lin, Zhang Jie, Liang Chun. CBrowse: a SAM/BAM-based contig browser for transcriptome assembly visualization and analysis (англ.) // Bioinformatics. — 2012. — 12 July (vol. 28, no. 18). — P. 2382—2384. — ISSN 1460-2059. — doi:10.1093/bioinformatics/bts443. [исправить]
  34. ↑ 1 2 3 CBrowse. bioinfolab.muohio.edu. Дата обращения: 2 мая 2019. Архивировано 19 мая 2018 года.
  35. ↑ Artemis (англ.). The Artemis Software. Дата обращения: 3 мая 2019. Архивировано 27 апреля 2019 года.
  36. ↑ Apollo (англ.). Apollo. Дата обращения: 3 мая 2019. Архивировано 2 апреля 2019 года.
  37. ↑ BamView (англ.). bamview.sourceforge.net. Дата обращения: 3 мая 2019. Архивировано 15 декабря 2018 года.
  38. ↑ Degust by David R. Powell. victorian-bioinformatics-consortium.github.io. Дата обращения: 3 мая 2019. Архивировано 25 июля 2018 года.
  39. ↑ GBrowse - GMOD. gmod.org. Дата обращения: 3 мая 2019. Архивировано 28 марта 2019 года.
  40. ↑ GenomeView (англ.). genomeview.org. Дата обращения: 3 мая 2019. Архивировано 2 апреля 2019 года.
  41. ↑ Google Code Archive - Long-term storage for Google Code Project Hosting. code.google.com. Дата обращения: 3 мая 2019. Архивировано 27 апреля 2019 года.
  42. ↑ Index of /savant. compbio.cs.toronto.edu. Дата обращения: 3 мая 2019. Архивировано 27 апреля 2019 года.
  43. ↑ Gviz (англ.). Bioconductor. Дата обращения: 3 мая 2019.
  44. ↑ ggbio (англ.). Bioconductor. Дата обращения: 3 мая 2019.
  45. ↑ Welcome to fluff’s documentation! — fluff 3.0.3 documentation. fluff.readthedocs.io. Дата обращения: 3 мая 2019. Архивировано 27 апреля 2019 года.
  46. ↑ Quick mining and visualization of NGS data by integrating genomic databases: shenlab-sinai/ngsplot. — 2019. Архивировано 11 июня 2018 года.