關於昨天寫的Julia也可以用來分析RNA選擇性剪切一文

後來發現這系列不只有讀者，竟然還有response之後，今天就繼續來談一下Whippet.jl這個工具。首先得先說聲抱歉，最近由於想多花點時間陪陪家人，所以有時候一天能分給這個鐵人賽的時間就相對有限，也因此肯定會有很多地方沒談到。所以我非常歡迎，如果您有興趣，我們可以針對這個點繼續聊。

先談談昨天那篇論文的結果

1. 昨天在看這篇文章的時候，看到作者說分析alternative splicing (AS)這種東西很花計算資源及運算時間，本來我還覺得有點大驚小怪的，畢竟我看之前待的公司同事在使用rMATs分析時，似乎也沒這麼誇張。直到我看到Outrigger之後，才發現這真是不簡單的東西XD

2. 作者們覺得過去的方法中，有些雖然能大幅降低計算時間跟所需計算資源了，但他們卻只能用在找比較簡單的AS（像intron-exon-intron這種），用來找比較複雜一點的AS（像下圖）就很不準了。
   

3. 為了公平比較，作者們分別用實際跟模擬的Data以及不同的演算法工具來比較，用實際Data的部份，答案是根據RT-PCR的結果；模擬Data的部份，則是用參考基因序列加上外部工具及自己寫的工具產生模擬資料，結果顯示，Whippet這個演算法不僅錯誤率低，效能也好。
   

4. 在贏得了與其他工具之爭後，作者們繼續拿Whippet去看看在正常組織中RNA的AS分佈與在腫瘤組織中的AS分佈有何不同。作者們發現，在腫瘤組織中所呈現的AS分佈顯示，複雜度高的AS events會比在正常組織中來的多。經過統計分析後，找到一些基因在腫瘤組織中其AS的數量顯著比在正常組織中的數量高很多，於是經過功能性分析(functional analysis)後，找出這些基因所對應的功能及所參與的生物功能路徑。

5. 在更後續的研究中，作者們利用Whippet找到了更多的AS，同時也發現了裡頭有很多AS其實在演化上挺保守的，說明這些AS扮演著一定的重要功能。

關於Whippet.jl的使用

強烈建議直接使用 Julia v0.6，我自己這兩天過測試之後，如果不想自己跳下去改原作者的code的話，只有用0.6版的Julia才有辦法安裝。如果可以的話，在產生contiguous splice graph index的時候，盡量採用BAM + GTF的方式。

感謝閱讀。