Detecting Differential Expression from RNA-seq Data with Expression Measurement Uncertainty
高通量RNA测序(RNA测序)已经成为一种革命性的和强大的表达谱分析技术。大多数提出的用于检测来自RNA测序的差异表达(DE)基因的方法是基于比较条件之间的标准化读段计数的统计学。然而,目前将测量不确定度引入DE检测的方法还不多见。此外,大多数方法只能检测DE基因,很少有方法可用于检测DE亚型。在本文中,贝叶斯框架(BDSeq)提出了检测DE基因和异构体与表达测量不确定性的考虑。这种表达测量不确定度提供了有用的信息,可以帮助提高DE检测的性能。使用三个真实的RAN-seq数据集来评估BDSeq的性能,结果表明,包含表达测量不确定性提高了DE基因和亚型检测的准确性。最后,我们开发了GamSeq-BDSeq RNA测序分析管道以方便用户,该管道可在网站http://parnec.nuaa.edu.cn/liux/GSBD/GamSeq-BDSeq.html上免费获得。
2014-11-15 cs.CE q-bio.GN q-bio.QM
Detection and Visualization of Differential Splicing in RNA-Seq Data with JunctionSeq
虽然RNA测序数据提供了前所未有的异构体水平的表达信息,但替代异构体调节(AIR)的检测仍然很困难,特别是当使用不完整的转录本注释时。我们介绍JunctionSeq,这是一种新方法,它建立在成熟的DEXSeq软件包所使用的统计技术基础上,用于检测外显子区域和剪接点的差异使用。特别是,JunctionSeq能够检测新剪接点中的差异,而不需要额外的同种型组装步骤,当可用的转录本注释有缺陷或不完整时,大大提高了性能。JunctionSeq还提供了一个强大而精简的可视化工具集,使生物信息学家能够快速直观地解释他们的结果。我们测试了我们的方法公开的数据,从几个实验中进行大鼠松果体和弓形虫,成功地检测已知的和以前验证的空气基因在19个基因水平的假设检验。由于其查询新剪接位点的能力,JunctionSeq仍然能够检测这些差异,即使这些基因的所有替代同种型都不包括在转录本注释中。因此,JunctionSeq提供了一种强大的方法,用于检测替代同种型调节,即使是低质量的注释。JunctionSeq的实现可作为R/Bioconductor包提供。
2016-02-08 q-bio.GN
Utilizing RNA-Seq Data for Cancer Network Inference
癌症系统生物学的一个重要挑战是揭示与癌症有关的基因(肿瘤抑制基因和癌基因)之间复杂的相互作用网络。下一代测序提供了无与伦比的能力来探测整个癌症基因组及其转录异构体的表达水平。然而,在解释高维测序数据和推断潜在的遗传网络方面存在繁重的统计和计算问题。在这项研究中,我们分析了来自69个人类个体的淋巴母细胞系的RNA测序数据,并实施了一个概率框架来构建生物相关的遗传网络。特别是,我们采用了图形套索分析,出于最大熵形式主义的考虑,估计RNA测序数据的稀疏逆协方差矩阵。基因本体论,途径富集和蛋白质-蛋白质路径长度分析都进行了验证相互作用的癌症基因异构体的预测网络的生物背景。
2012-12-06 q-bio.GN
Statistical Modeling of RNA-Seq Data
最近,超高通量RNA测序(RNA-Seq)已被开发为用于分析基因表达的方法。通过获得转录序列的数千万甚至数亿个读数,RNA-Seq实验可以提供对任何感兴趣样品中基因(转录物)群体的全面调查。本文介绍了一个统计模型估计异构体丰度从RNA-Seq数据,是灵活的,足以容纳单端和双端RNA-Seq数据和采样偏差沿长度的转录本。在导出模型的最小充分统计量的基础上,给出了模型的极大似然估计的一个计算上可行的实现。此外,显示使用配对末端RNA-Seq在固定测序深度下提供比单末端测序更准确的同种型丰度估计。仿真研究也给出。
2011-06-16 q-bio.GN stat.ME
Integrating splice-isoform expression into genome-scale models characterizes breast cancer metabolism
动机:尽管基因通常被认为是细胞命运和生理学的主要贡献者,但单独的基因不能预测细胞表型。在基因表达过程中,人类基因中95%的基因通过可变剪接可以编码多种蛋白质。虽然基因的大多数剪接变体具有相同的功能,但某些关键基因中的变体可能具有显着不同的作用。为了弥合基因型和表型之间的差距,条件和组织特异性代谢模型已经构建。然而,目前的代谢模型只包括基因水平的信息。因此,正如科学界最近承认的那样,剪接异构体表达水平的变化改变代谢结果的常见情况无法建模。结果:我们在这里提出了GEMsplice,第一种将剪接异构体表达数据纳入基因组规模代谢模型的方法。使用GEMsplice,我们充分利用RNA-Seq定量表达谱,首次预测剪接异构体水平变化对1455例31种不同乳腺癌类型患者代谢的影响。我们通过生成癌症与正常代谢途径的预测,并通过与基因水平的方法和乳腺癌影响的途径的现有文献进行比较,来验证GEMsplice。GEMsplice可在https://github.com/GEMsplice/GEMsplice_code上免费供学术使用。与最先进的方法相比,我们预计GEMsplice将首次实现转录水平的计算分析,并具有剪接异构体分辨率。
2018-09-21 q-bio.GN
Splicing Up Your Predictions with RNA Contrastive Learning
Vector Institute(向量研究所);University of Toronto(多伦多大学);Peter Munk Cardiac Center, UHN(大学健康网络彼得·蒙克心脏中心)
本研究受语言自监督学习启发,将对比学习扩展到基因组数据,利用可变剪接和基因复制产生的功能相似序列,学习通用RNA异构体表示,在RNA半衰期和核糖体负载预测上取得竞争力结果,低数据下性能提升两倍,并产生语义有意义的表示。
2023-10-17 cs.LG q-bio.GN
Isoform Function Prediction Using a Deep Neural Network
Sharif University of Technology(谢里夫理工大学)
针对同工型功能标注稀缺问题,本文整合序列、表达谱与GO图谱,提出基于深度神经网络的综合预测模型,并以ROC AUC和PR AUC评估性能。
2023-04-25 cs.AI cs.LG q-bio.GN
Sashimi plots: Quantitative visualization of RNA sequencing read alignments
我们引入了Sashimi图,这是一种与基因注释对齐的mRNA测序读数的定量多样本可视化。生鱼片图是使用比对(以SAM/BAM格式存储)和基因模型注释(以GFF格式存储)制作的,其可以由用户定制或从数据库如Ensembl或UCSC获得。我们描述了两种实现的刺身图:(1)一个独立的命令行实现,旨在使可定制的出版物质量的数字,和(2)一个实现内置到集成基因组查看器(IGV)浏览器,它可以快速和动态创建刺身图的任何感兴趣的基因组区域,适合探索性分析的转录组的可变剪接区域。由MISO程序输出的异构体表达估计值可以任选地与生鱼片图一起绘制。生鱼片图可用于快速筛选感兴趣的基因组区域的差异剪接外显子,并可用于出版质量图。Sashimi绘图软件和文档可从http://genes.mit.edu/burgelab/miso/docs/sashimi.html获得
2013-06-14 q-bio.GN
Methods for Joint Imaging and RNA-seq Data Analysis
新兴的基因组和解剖成像数据的综合分析尚未得到很好的发展,提供了宝贵的信息,为整体发现疾病的基因组结构,并有可能打开一个新的途径,发现新的疾病易感基因,不能确定,如果他们被单独分析。成像和基因组数据分析成功的一个关键问题是如何减少它们的维度。用于成像信息提取和RNA测序数据简化的大多数先前方法不探索成像空间信息,并且通常忽略基因组位置水平上的基因表达变化。为了克服这些局限性,我们扩展功能主成分分析从一维到二维(2DFPCA)表示成像数据,并开发了一个多功能线性模型(MFLM),其中图像的功能主得分作为多个数量性状和跨基因的RNA测序作为一个功能预测器评估与图像的基因表达的关联。所开发的方法已应用于卵巢癌和KIRC研究的图像和RNA测序数据。我们分别鉴定了24个和84个基因,它们的表达与卵巢癌和KIRC研究中的成像变异相关。我们的研究结果表明,许多与图像显著相关的基因没有差异表达,但揭示了它们的形态和代谢功能。MFLM回归系数函数的峰值往往能发现剪接位点和多个基因表达亚型。
2014-09-13 q-bio.GN
Fast Approximate Inference of Transcript Expression Levels from RNA-seq Data
动机:将RNA测序读数映射到其来源的转录本是转录本表达估计和差异表达评分中的基本任务。当由于转录物共享序列(例如替代同种型或等位基因)而存在映射中的模糊性时,问题就变成了非平凡概率推断的实例。贝叶斯推断在这样的问题是棘手的,必须使用近似的方法,如马尔可夫链蒙特卡罗(MCMC)和变分贝叶斯。这些方法的标准实现对于大型数据集和复杂的基因模型可能非常慢。结果如下:我们提出了一个近似的推理方案的基础上变分贝叶斯适用于现有的转录表达推理模型从RNA测序数据。我们应用最新的进展变分贝叶斯算法,以提高算法的收敛性超出标准的变分期望最大化方法。我们将我们的算法应用于模拟和生物数据集,表明速度的提高只需要在表达水平估计的准确性方面进行很小的权衡。可用性:这些方法是用R和C++实现的,可以作为BitSeq项目的一部分在https://code.google.com/p/bitseq/上获得。这些方法将在下一个稳定版本中通过BitSeq Bioconductor包提供。
2015-01-27 q-bio.GN stat.AP stat.CO
Near-optimal RNA-Seq quantification
我们提出了一种新的方法,RNA测序定量,是接近最佳的速度和准确性。实现这种方法的软件称为kallisto,可以在标准笔记本电脑上在不到5分钟的时间内分析3000万个未对齐的配对末端RNA测序读数,同时提供与现有最佳工具一样准确的结果。这消除了RNA测序分析中的主要计算瓶颈。
2015-05-15 cs.CE cs.DS q-bio.GN
A Computational Approach to Finding RNA Tertiary Motifs in Genomic Sequences
在DNA、RNA和蛋白质中发现模体在生命科学研究中起着重要的作用。最近有关在生物分子数据中发现基序的专利被记录在DNA专利数据库中,该数据库为对基因组学、遗传学和生物技术等领域感兴趣的政策制定者和公众成员提供了资源。在本文中,我们提出了一个计算方法来挖掘RNA的三级模体的基因组序列。具体来说,我们描述了一种方法,命名为CSminer,用于发现RNA同轴螺旋堆叠在基因组中。共轴螺旋堆积发生在RNA三级结构中,其中两个单独的螺旋元件形成假邻接螺旋,并为整个分子提供热力学稳定性。实验结果证明了该方法的有效性。
2017-01-02 cs.CE q-bio.GN
Computational methods for differentially expressed gene analysis from RNA-Seq: an overview
从RNA测序数据中分析差异基因表达已成为生物信息学研究领域的标准。这些数据的计算分析步骤包括许多数据类型和文件格式,以及各种各样的计算工具,可以单独应用或作为管道一起应用。本文介绍了差异表达分析流水线,解决其步骤和各自的目标,在每个步骤中可用的主要方法和它们的属性,在这种情况下,在一个有组织的方式进行概述。特别是,这篇评论的目的是解决主要涉及的方面差异表达基因(DEG)的分析从RNA测序数据(RNA测序),考虑到计算方法和它的属性。此外,一个时间轴的计算方法的发展,为DEG提出和讨论,以及存在的主要计算工具之间的相互作用网络的关系。在DEG分析的挑战和差距的讨论也强调了这一审查。
2021-09-08 cs.CE q-bio.GN
RNASEQR - A streamlined and accurate RNA-seq sequence analysis program
论文已被作者撤回。
2011-12-29 q-bio.GN
An observation of circular RNAs in bacterial RNA-seq data
环状RNA(circular RNA)是近年来发现的一类在古细菌和人类等多种真核生物中参与微RNA(microRNA,miRNA)调控的RNA。在这里,我们分析了从{ \it粪肠球菌}和{ \it大肠杆菌}中获得的RNA测序数据,其方式类似于以前对真核生物进行的研究。我们报告了在RNA测序数据中观察到的circRNA,这些数据在使用不同方案或生长条件进行的多个实验中是可重复的。
2016-06-14 q-bio.GN
On de novo Bridging Paired-end RNA-seq Data
本研究针对无参考基因组的双端RNA-seq数据从头拼接问题,设计了截断Dijkstra算法及基于最短路径树复用的加速算法,实现了大规模cdBG下的高效精准拼接,开发了开源工具,助力下游转录组分析。
2023-03-27 cs.DS q-bio.GN
RNASeqR: an R package for automated two-group RNA-Seq analysis workflow
RNA测序分析彻底改变了研究人员对生物学研究中转录组的理解。评估组织样本或患者组之间转录组学特征的差异使研究人员能够探索转录的潜在生物学影响。RNA测序分析需要多个处理步骤和巨大的计算能力。针对单个步骤有许多开发良好的R包;然而,很少有R/Bioconductor包将现有的软件工具集成到全面的RNA测序分析中,并在纯R环境中提供基本的端到端结果,以便研究人员可以快速轻松地获得大测序数据中的基本信息。为了满足这一需求,我们开发了开源的R/Bioconductor包RNASeqR。它允许用户运行一个自动化的RNA测序分析,只有六个步骤,产生必要的表格和图形结果,进一步的生物学解释。RNASeqR的特点包括:六步分析,全面的可视化,后台执行版本,以及R和命令行软件的集成。RNASeqR在纯R环境中提供快速、轻量级、易于运行的RNA测序分析管道。它允许用户有效地利用流行的软件工具,包括R/Bioconductor和命令行工具,而无需预先定义资源或环境。RNASeqR可从Bioconductor(https://bioconductor.org/packages/release/bioc/html/RNASeqR.html)免费获得Linux和macOS操作系统。
2019-05-10 q-bio.GN
BOAssembler: a Bayesian Optimization Framework to Improve RNA-Seq Assembly Performance
RNA的高通量测序(RNA测序)可以为我们提供来自样品的数百万个RNA转录物的短片段。如何更好地从这些片段中回收原始RNA转录物(RNA测序组装)仍然是一项艰巨的任务。例如,RNA测序组装工具通常需要超参数调整,以实现特定数据集的良好性能。这种调优通常是不直观且耗时的。因此,用户经常采用默认参数,这并不能保证各种数据集的一致良好性能。在这里,我们提出了BOAssembler(https://github.com/olivomao/boassembler),这是一个基于贝叶斯优化原理的框架,可以实现RNA测序组装器的端到端自动调优。实验表明,这种数据驱动的方法是有效的,以提高整体装配性能。该方法将有助于下游(如基因,蛋白质,细胞)分析,更广泛地说,为未来的生物信息学基准研究。
2019-02-14 q-bio.GN
Screening Genome Sequences for Known RNA Genes and Motifs
本文介绍了非编码RNA基因或RNA基序内的基因组序列的识别计算协议。提出了细菌小RNA的应用。
2015-12-22 q-bio.GN q-bio.QM
RNA-seq data science: From raw data to effective interpretation
RNA测序(RNA测序)在过去的十年中已经成为现代生物学和临床应用中的示范技术。近年来,在生物信息学社区不断努力开发准确和可扩展的计算工具的推动下,它获得了巨大的普及。RNA测序是使用现代测序平台分析样品的RNA含量的方法。它以核苷酸序列的形式产生大量的转录组数据,称为读取。RNA测序分析能够探测基因和相应的转录物,这对于回答重要的生物学问题是必不可少的,例如检测新的外显子、转录物、基因表达和研究可变剪接结构。然而,由于现代测序技术的局限性,使用计算方法从原始数据中获得有意义的生物信号具有挑战性。利用这些技术挑战的需要已经推动了许多新的计算工具的快速发展,这些工具已经根据技术进步而进化和多样化,导致了当前无数的RNA测序工具。我们的综述提供了RNA测序技术的系统概述和2008年至2020年发表的235个可用的RNA测序工具,讨论了涉及RNA测序、分析和软件开发的生物信息学的跨学科性质。
2021-02-16 q-bio.GN
A bioinformatics pipeline for the identification of CHO cell differential gene expression from RNA-Seq data
近年来,中国仓鼠和中国仓鼠卵巢(CHO)细胞系的基因组序列的公布,促进了这些生物制药细胞工厂的研究,具有前所未有的分辨率。特别是,我们对CHO细胞转录组的理解通过应用下一代测序(NGS)技术来检测RNA表达(RNA测序)而迅速发展。在本章中,我们提出了一个计算管道,用于分析来自Illumina平台的CHO细胞RNA测序数据,以识别差异表达的基因。运行此分析所需的示例数据和生物信息学工作流程可在www.cgcdb.org/rnaseq_analysis_protocol.html上免费获得。
2019-05-01 q-bio.GN
Modeling and analysis of RNA-seq data: a review from a statistical perspective
背景资料:自下一代RNA测序(RNA测序)技术发明以来,它们已成为研究生物样品中RNA分子的存在和数量的有力工具,并彻底改变了转录组学研究。RNA测序数据在四个不同水平(样品、基因、转录本和外显子)的分析涉及多个统计和计算问题,其中一些问题至今仍具有挑战性。结果:我们从统计学的角度回顾了样本、基因、转录本和外显子水平的RNA测序分析工具。我们还强调了最实际的考虑的生物和统计问题。结论:用于分析RNA测序数据的统计和计算方法的发展在过去十年中取得了重大进展。然而,为回答相同的生物学问题而开发的方法通常依赖于不同的静态模型,并且在不同的场景下表现出不同的性能。本文讨论并比较了多种常用的统计模型,希望能帮助用户根据需要选择合适的方法,并帮助开发人员进行未来的方法开发。
2018-05-01 q-bio.GN
Realistic simulations reveal extensive sample-specificity of RNA-seq biases
与RNA测序的重要性一致,生物信息学界已经产生了许多数据分析工具,这些工具结合了纠正样本特异性偏差的方法。然而,很少有先进的模拟工具存在,使竞争的校正方法的基准。我们引入了第一个框架来再现单个RNA测序运行的属性,并通过将其应用于多个数据集,我们证明了在现实模拟中考虑样本特异性的重要性。
2013-08-14 q-bio.GN
Improved annotation of 3-prime untranslated regions and complex loci by combination of strand-specific Direct RNA Sequencing, RNA-seq and ESTs
基因组序列的参考注释为基因组的所有后续分析提供了框架。当解释RNA测序实验的结果时,正确的注释特别重要,其中短序列读数被映射到基因组并根据注释分配给基因。参考系统和实验系统之间注释的增加可能导致对研究系统中实验处理或突变对RNA表达的影响的错误解释。直到最近,3-prime非翻译区的全基因组注释受到的关注少于编码区和内含子/外显子边界的划定。本文对人、鸡和A.通过来自Helicos Biosciences的新的单分子、链特异性、直接RNA测序技术(其将3-prime多聚腺苷酸化位点定位在+/-2 nt内)对拟南芥进行测序,与存档EST和RNA测序数据组合。举例说明了九个实例,其中这种数据组合允许:(1)基因和3-prime UTR重新注释(包括将一个3-prime UTR延伸5.9 kb);(2)在复杂区域中解开基因表达;(3)更清楚地解释小RNA表达和(4)鉴定新基因。虽然这里显示的具体例子可能会随着基因组序列及其注释的完善而过时,但本文中列出的原则将对注释基因组的人和那些试图在其自己的实验数据的背景下解释现有的化学上可用的注释的人具有普遍用途
2013-11-11 q-bio.GN
Fast and accurate approximate inference of transcript expression from RNA-seq data
动机:将RNA测序读取到它们的原始转录本是转录本表达估计中的基本任务。当由于转录物共享序列(例如替代同种型或等位基因)而存在分配中的模糊性时,可以通过概率推断来解决该问题。贝叶斯方法已被证明提供准确的转录丰度估计相比,竞争的方法。然而,精确的贝叶斯推断是棘手的,并且通常使用诸如马尔可夫链蒙特卡罗(MCMC)和变分贝叶斯(VB)的近似方法。虽然提供了高度的准确性和建模灵活性,但标准实现对于大型数据集和复杂的转录组注释可能非常缓慢。结果如下:我们提出了一种新的近似推理方案的基础上,VB和应用它的转录本表达推理的RNA测序数据的现有模型。VB算法的最新进展被用来提高算法的收敛性,超越标准的变分贝叶斯期望最大化(VBEM)算法。我们将我们的算法应用于模拟和生物数据集,表现出速度的显着提高,表达水平估计的准确性只有很小的损失。我们对七种流行的替代方法进行了比较研究,并证明了我们的新算法提供了出色的准确性和重复间的一致性,同时在计算时间上保持竞争力。可用性:这些方法在R和C++中实现,并且作为\url{https://github.com/BitSeq}的BitSeq项目的一部分提供。该方法也可通过BitSeq Bioconductor包获得。可通过\url{https://github.com/BitSeq/BitSeqVB_benchmarking}访问再现所有仿真结果的源代码。
2015-06-30 q-bio.GN q-bio.QM
Predicting Breast Cancer Phenotypes from Single-cell RNA-seq Data Using CloudPred
本研究将端到端可微学习算法CloudPred扩展应用于乳腺癌单细胞RNA-seq数据的表型预测,发现其预测准确率达到AUC为1,优于线性和Deepset模型,验证了其在无关生物数据上的鲁棒性。
2024-02-17 q-bio.GN
Probe region expression estimation for RNA-seq data for improved microarray comparability
快速增长的公共基因表达数据库包含了丰富的数据,可用于构建前所未有的人类生物学和疾病详细图像。这些数据来自许多不同的测量平台,这使得整合这些数据变得困难。虽然RNA测序(RNA测序)吸引了最多的关注,但目前提交到公共数据库的新微阵列研究的速度远远超过新RNA测序研究的速度。显然,需要有一种方法,使不同技术的数据更容易结合起来。在本文中,我们提出了一种处理RNA测序数据的新方法,该方法产生的基因表达估计值与来自微阵列数据的相应估计值更加相似,从而大大提高了跨平台的可比性。我们称之为PREBS的方法是基于从与微阵列探针区域重叠的RNA测序读取中估计表达,并用微阵列汇总算法RMA处理这些估计。使用配对的微阵列和来自TCGA LAML数据集的RNA测序样本,我们表明,来自RNA测序的PREBS表达估计值与来自其他RNA测序处理方法的基于微阵列的表达估计值更相似。在使用RNA测序查询样品从数据库检索配对的微阵列样品的实验中,发现基于PREBS表达估计定义的基因签名比来自其他方法的那些更准确。PREBS还允许使用RNA测序数据的新方法,例如微阵列探针组的表达估计。在Bioconductor软件包“prebs”中可以实现所提出的方法。
2014-10-15 q-bio.GN q-bio.QM
Statistical models for RNA-seq data derived from a two-condition 48-replicate experiment
高通量RNA测序(RNA测序)现在是确定差异基因表达的标准方法。鉴定差异表达基因关键取决于对读段计数变异性的估计。这些估计值通常基于统计模型,如负二项分布,由工具edgeR,DESeq和cuffdiff使用。到目前为止,这些模型的有效性通常在低重复RNA测序数据或模拟上进行测试。在酵母中进行48次重复的RNA测序实验,并针对理论模型测试数据。观察到的基因读段计数与对数正态和负二项分布一致,而均值-方差关系遵循约0.01的恒定离散参数线。高重复数据还允许严格的质量控制和不良重复的筛选,这可能会极大地影响基因读数分布。RNA测序数据已提交至ENA档案室,项目ID为PRJEB 5348。
2015-05-04 q-bio.GN
Dynamic Model for RNA-seq Data Analysis
新开发的深度测序技术使获得有关转录生物学的定量和定性信息成为可能。通过测量样品中所有基因的信使RNA水平,RNA测序提供了一个有吸引力的选择来表征转录的整体变化。RNA测序正在成为基因表达谱分析的广泛使用的平台。然而,RNA测序数据中的真实转录信号与测量和测序误差以及其他随机生物/技术变化混淆。如何适当地考虑由于错误和测序技术变化引起的变异性是RNA测序数据分析中的关键问题。为了从RNA测序数据中提取生物学上有用的转录过程,我们建议使用第二个ODE对RNA测序数据进行建模。我们使用差分主分析开发的统计方法估计的位置变化系数的常微分方程。我们通过预测分析和5折交叉验证来验证ODE模型拟合RNA测序数据的准确性。我们发现第二个ODE模型预测跨基因的基因表达水平的准确性非常高,并且第二个ODE模型非常好地拟合RNA测序数据。为了进一步评估ODE模型用于RNA测序数据分析的性能,我们使用第二个ODE的位置变化系数作为特征来对正常细胞和肿瘤细胞进行分类。我们证明,即使使用单基因的ODE模型,我们可以达到很高的分类精度。我们还进行了响应分析,以研究转录过程如何响应外部信号的扰动,并确定了数十个与癌症相关的基因。
2014-12-04 q-bio.GN q-bio.QM
Automated family-based naming of small RNAs for next generation sequencing data using a modified MD5-digest algorithm
我们开发了NameMyGene,这是一个网络工具和独立程序,可以轻松地为小RNA序列生成假定的基于家族的名称,以便实验室可以轻松地组织,分析和观察下一代测序仪生成的大量数据的模式。NameMyGene也适用于其他新兴方法,如RNA-Seq和Chip-Seq,仅使用输入的小RNA序列,不需要任何额外的数据,如其他序列数据集。网络服务器和软件免费提供(http://www.johnlab.org/NameMyGene),并基于Java以确保平台独立性。
2012-10-23 cs.CR q-bio.GN
Protocol for Executing and Benchmarking Eight Computational Doublet-Detection Methods in Single-Cell RNA Sequencing Data Analysis
双联体的存在是单细胞RNA测序(scRNA-seq)数据分析中的关键混杂因素。已经开发了用于从scRNA-seq数据检测双联体的计算方法。我们开发了一个R包DoubletCollection来集成八个双态检测方法的安装和执行。DoubletCollection还提供了一个统一的界面,用于在双联体检测后执行和可视化下游分析。在这里,我们提出了一个协议,使用DoubletCollection基准双检测方法。该协议可以自动适应快速发展的scRNA-seq领域的新双联体检测方法。
2021-06-25 q-bio.GN
High-resolution transcriptome analysis with long-read RNA sequencing
RNA测序(RNA-seq)能够表征和定量单个转录组以及检测等位基因表达和可变剪接的模式。目前的RNA-seq方案依赖于cDNA的高通量短读序测序。然而,随着持续的进步正在迅速产生增加的读段长度,在确定读段长度的差异影响各种转录组分析的程度方面仍然存在技术障碍。在这项研究中,我们为淋巴母细胞系GM 12878生成了两个不同读取长度(2x 75 bp和2x262 bp)的配对末端RNA-seq数据集,并比较了读取长度对转录组分析的影响,包括读取映射性能,基因和转录本定量,以及等位基因特异性表达(ASE)和等位基因特异性可变剪接(ASAS)模式的检测。我们的研究结果表明,虽然目前的长读长方案比短读长测序昂贵得多,但只有更长的读长才能实现重要的好处,包括更低的映射偏差和减少将读长分配给基因组元件(如mRNA转录本)的模糊性。我们表明,这些好处最终导致改善检测顺式作用的调节和剪接变异的影响在个人。
2014-05-28 q-bio.GN
Guidelines for reporting single-cell RNA-Seq experiments
近年来,单细胞RNA测序(scRNA-Seq)经历了重大的技术进步,使各种生物体水平的细胞图谱项目的概念成为可能。随着越来越多的数据集存放在公共档案馆,有必要解决的挑战,使这些数据集的再现性。在这里,我们描述了一组最小元数据的指南,以充分描述scRNA-Seq实验,确保数据分析的再现性。
2019-10-31 q-bio.GN
Exponential scaling of single-cell RNA-seq in the last decade
测量单细胞转录组的能力仅在几年内可行,并且正在成为一种非常受欢迎的测定。虽然许多类型的分析和问题可以使用单细胞RNA测序来回答,但中心焦点是调查样品中细胞类型多样性的能力。对不同细胞类型进行无偏见和可重复的编目需要大量的细胞。技术的发展和方案的改进推动了单细胞RNA测序分析中研究的细胞数量的持续指数增长。从这个角度来看,我们将重点介绍促成数据增长的关键技术发展。
2017-08-08 q-bio.GN
mTim: Rapid and accurate transcript reconstruction from RNA-Seq data
高通量cDNA测序(RNA测序)技术的最新进展彻底改变了转录组研究。RNA测序的一个主要动机是以核苷酸分辨率绘制表达转录物的结构。利用用于转录物重建的精确计算工具,该技术也可以用于基因组(重新)注释,其主要依赖于从头基因发现,其中基因结构主要从基因组序列推断。我们开发了一种机器学习方法,称为mTim(基于边缘的转录本推理方法),用于从RNA测序读取比对重建转录本,该方法基于区分训练的隐马尔可夫支持向量机。除了来自读段比对的特征外,它还利用特征性基因组序列,例如剪接位点周围的序列,以改善转录物预测。mTim推断的转录物与来自Cufflinks(一种广泛使用的转录物组装方法)的转录物相比高度准确并且对比对误差相对稳健。
2013-09-20 q-bio.GN stat.ML
Models for transcript quantification from RNA-Seq
RNA测序正迅速成为转录组分析的标准技术。RNA测序的许多应用的基础是定量问题,其是来自测序读数的相对转录物丰度的准确测量。我们专注于这个问题,并回顾了许多最近发表的模型,用于估计相对丰度。除了描述模型和不同的推理方法外,我们还解释了方法之间的关系。一个关键的结果是,我们展示了如何推断与许多模型的结果在相同的估计相对丰度,即使模型配方可以是非常不同的。事实上,我们能够展示一个通用模型如何捕获以前发布的方法的许多元素。我们还回顾了RNA测序模型在差异分析中的应用,并解释了为什么准确的相对转录丰度估计对下游分析至关重要。
2011-05-13 q-bio.GN stat.ME
Review of Single-cell RNA-seq Data Clustering for Cell Type Identification and Characterization
City University of Hong Kong(香港城市大学)
近年来,单细胞RNA测序技术的发展使我们能够以高通量的方式在单细胞分辨率下进行大规模的转录组学分析。无监督学习如数据聚类已经成为识别和表征新细胞类型和基因表达模式的核心组成部分。在这项研究中,我们回顾了现有的单细胞RNA测序数据聚类方法的相关优势和局限性的关键见解。此外,我们还回顾了上游单细胞RNA测序数据处理技术,如质量控制,归一化和降维。我们在两个单细胞转录组数据集上进行性能比较实验,以评估几种流行的单细胞RNA测序聚类方法。
2020-01-03 cs.LG q-bio.GN q-bio.QM
Count-based differential expression analysis of RNA sequencing data using R and Bioconductor
RNA测序(RNA-seq)已迅速用于生物学许多领域的转录组分析,包括对基因调控、发育和疾病的研究。特别感兴趣的是发现在不同条件下差异表达的基因(例如,组织、扰动),同时可选地调整影响数据收集过程的其他系统因素。这些分析有许多微妙但关键的方面,例如读段计数、生物变异性的适当处理、质量控制检查和统计建模的适当设置。文献中提出了几种不同的做法,需要就目前的最佳做法提供指导。该方案提出了一种“最先进的”计算和统计RNA-seq差异表达分析工作流程,主要基于免费开源R语言和Bioconductor软件,特别是两种广泛使用的工具DESeq和edgeR。典型小型实验的动手时间(例如,4-10示例)可以小于1小时,使用标准台式PC计算时间小于1天。
2013-06-20 q-bio.GN
CLEAR: Coverage-based Limiting-cell Experiment Analysis for RNA-seq
为单细胞RNA测序开发的直接cDNA预扩增方案已经能够在没有样品合并或RNA提取的情况下对珍贵的临床样品和稀有细胞进行转录组分析。目前,没有优化的算法来揭示和去除限制细胞RNA测序(lc RNA测序)数据中的噪声转录物以用于下游分析。在此,我们提出了CLEAR,这是一种在差异表达基因(DEG)分析的lcRNA-seq数据中识别可靠的可定量转录本的工作流程。来自慢性淋巴细胞白血病患者的三种输入量的FACS衍生的CD 5+和CD 5-细胞的文库用于开发CLEAR。当使用CLEAR转录物与使用所有转录物时,下游分析揭示了不同输入RNA量的更多共享转录物,改善了主成分分析(PCA)分离,并在细胞类型之间产生了更多DEG。作为原理证明,CLEAR应用于内部lcRNA-seq数据集和两个公共数据集。当使用插补时,CLEAR也适用于大型临床研究和单细胞分析。
2019-05-23 q-bio.GN q-bio.QM
Hierarchical clustering of DNA k-mer counts in RNA-seq fastq files reveals batch effects
批次效应是实验设计引起的人为变异源,是高通量数据中的普遍现象。因此,需要用于检测批次效应的机制,该机制需要多个样品的比较。我们对多个RNA测序衍生的Fastq文件的DNA k聚体计数应用层次聚类(HC)。理想情况下,HC生成的树反映了实验处理组,因此可能表明实验效应,但制备组的聚类表明存在批次效应。为了提供一个简单适用的工具,我们在Bioconductor上提供的R包(seqTools)中实现了Fastq读取的顺序分析,内存使用率低。在61个Fastq文件上分析DNA k聚体计数,这些文件包含来自在8个不同Illumina Flowcell上测序的两种细胞类型(真皮成纤维细胞和Jurkat细胞)的RNA测序数据。结果如下:对具有分层聚类的所有流动池进行成对比较,发现6个流动池(21%)具有较强的基于流动池的树分离,并且在28个流动池比较中的17个(60.7%)具有可检测的基于流动池的聚类。在我们的样品中,批次效应也存在于映射到人类基因组的读段中。高质量(Phred >30)的过滤读数没有去除批次效应。结论:DNA k-mer计数的层次聚类为RNA测序实验提供了质量标准和非特异性诊断工具。
2017-07-21 q-bio.GN
Comprehensive evaluation of differential expression analysis methods for RNA-seq data
RNA转录物的高通量测序(RNA测序)已成为检测差异表达(DE)的首选方法。与此同时,这项技术的日益普及,有一个显着的研究工作致力于了解这些数据的统计特性和分析方法的发展。我们报告的综合评价常用的DE方法使用SEQC基准数据集。我们评估了一些关键特征,包括:评估标准化,DE检测的准确性,仅在一种条件下表达的基因的建模,以及测序深度和重复次数对识别DE基因的影响。我们发现这些方法之间存在显着差异,没有一种方法始终优于其他方法。此外,基于阵列的方法的性能与针对RNA测序数据定制的方法相当。也许最重要的是,我们的结果表明,增加重复样品的数量比增加测序深度提供了更高的检测能力。
2013-01-23 q-bio.GN q-bio.QM
HybridQC: Machine Learning-Augmented Quality Control for Single-Cell RNA-seq Data
HybridQC是一个R包,结合传统阈值过滤与机器学习异常检测,高效识别单细胞RNA测序数据中的低质量细胞,特别适用于非模式生物和小型研究项目。
2025-07-10 q-bio.GN
Shared Differential Clustering across Single-cell RNA Sequencing Datasets with the Hierarchical Dirichlet Process
针对单细胞RNA测序数据分析受数据收集问题与偏差影响的难题,本研究构建集成贝叶斯模型同时处理归一化、插补、批次效应并跨数据集非参数聚类细胞,还开发了基于HDP有限维近似的Gibbs采样器用于后验推断。
2023-12-13 q-bio.GN stat.ME
Artificial Intelligence Models for Cell Type and Subtype Identification Based on Single-Cell RNA Sequencing Data in Vision Science
单细胞RNA测序(scRNA-seq)为许多研究领域的科学家提供了高通量、定量和无偏倚的框架,以鉴定和表征来自各种组织的异质细胞群中的细胞类型。然而,基于scRNA-seq的离散细胞类型的鉴定仍然是劳动密集型的,并且依赖于先前的分子知识。人工智能为细胞类型识别提供了更快,更准确和用户友好的方法。本文综述了基于单细胞和单核RNA测序数据的人工智能细胞类型识别方法的研究进展。
2022-09-26 eess.IV q-bio.BM q-bio.GN
SOAPdenovo-Trans: De novo transcriptome assembly with short RNA-Seq reads
动机:转录组测序长期以来一直是用于快速且廉价地从没有参考基因组的生物体获得大量基因的序列的受欢迎的方法。随着下一代测序的快速增加的通量和降低的成本,RNA测序已经变得流行;但是考虑到该技术的典型短读段(例如2 × 90 bp配对末端),重新组装以恢复完整或全长转录物序列仍然是算法上的挑战。结果:我们提出了SOAPDenovo-Trans,一个专门为RNA测序设计的从头转录组组装程序。在水稻和小鼠的转录组数据集上评估了其性能。使用来自这些注释良好的基因组(十年前测序)的已知转录本作为我们的基准,我们评估了SOAPdenovo- Trans和其他两个流行的软件如何处理可变剪接和可变表达水平的实际问题。我们的结论是,SOAPDenovo-Trans提供了更高的连续性,更低的冗余和更快的执行。可用性和实施:源代码和用户手册位于http://sourceforge.net/projects/soapdenovotrans/联系人:xieyl@genomics.cn或bgi-soap@googlegroups.com
2013-08-09 q-bio.GN
A Unified Model for Differential Expression Analysis of RNA-seq Data via L1-Penalized Linear Regression
RNA测序(RNA-seq)在定量基因表达水平方面越来越受欢迎。由于RNA-seq测量本质上是相对的,因此计数的样本间标准化是差异表达(DE)分析中的重要步骤。现有DE检测算法的标准化是特别的,并且在DE检测之前执行一次,这可能是次优的,因为理想的标准化应该仅基于非DE基因,因此与DE检测相结合。我们提出了一个统一的统计模型联合归一化和DE检测的对数转换RNA-seq数据。样本特异性归一化因子在基因线性模型中建模为未知参数,并与回归系数联合估计。通过施加稀疏诱导L1惩罚(或多种处理条件下的混合L1/L2范数)对回归系数的影响,仿真结果表明,所提出的模型和算法在检测能力和误检率方面均优于现有的方法,并且在检测性能和误检率方面均优于现有的方法。当超过一半的基因差异表达和/或当DE基因中上调和下调基因的数量不平衡时,阳性率。
2016-10-11 q-bio.GN stat.ME
Selecting between-sample RNA-Seq normalization methods from the perspective of their assumptions
RNA测序是研究基因在不同生物条件下行为的一种广泛使用的方法。RNA测序研究中的一个重要步骤是标准化,其中对原始数据进行调整,以考虑阻止直接比较表达测量的因素。标准化中的错误会对下游分析产生重大影响,例如差异表达分析中的夸大假阳性。归一化的一个未被充分强调的特征是方法所依赖的假设以及这些假设的有效性如何对方法的性能产生实质性影响。在本文中,我们解释了假设如何提供原始RNA测序读数计数和基因表达的有意义的措施之间的联系。我们从假设的角度来研究归一化方法,因为理解方法假设对于选择适合手头数据的方法是必要的。此外,我们还讨论了为什么归一化方法在其假设被违反时表现不佳,以及这如何在后续分析中引起问题。为了分析生物学实验,研究人员必须选择一种标准化方法,该方法具有满足的假设,并为给定的实验产生有意义的表达测量。
2016-09-04 q-bio.GN
Non-ignorable fuzziness in granular counts: the case of RNA-seq data
University of Padova(帕多瓦大学);National Research Council(国家研究委员会);Warsaw University of Technology(华沙理工大学);University of Bari ‘‘A. Moro’’(巴里阿尔多·莫罗大学)
本文研究了RNA-seq数据中因reads到基因对齐模糊性导致的粒状计数问题,提出了一种非可忽略的模糊报告机制,并通过分层模型展示了其应用。
2026-04-27 q-bio.GN stat.AP stat.ME
Structure learning for zero-inflated counts, with an application to single-cell RNA sequencing data
在高通量基因组数据的背景下,特别是在单细胞RNA测序中,从观察到的数据估计图的结构的问题越来越受到关注。然而,这些都是具有挑战性的应用,因为数据由具有高方差和过多零的高维计数组成。在这里,我们提出了一个基于零膨胀负二项分布的从单细胞RNA-seq数据学习图结构的一般框架。我们用模拟证明了我们的方法能够在各种设置中检索图的结构,并且我们展示了该方法在真实数据上的实用性。
2023-02-14 q-bio.GN stat.AP stat.ME
Reply to "Issues arising from benchmarking single-cell RNA sequencing imputation methods"
在我们的简讯(DOI:10.1038/s41592-018-0033-z)中,我们提出了在嘈杂的单细胞RNA测序数据中恢复真实基因表达水平的方法SAVER。我们在RNA FISH验证实验和数据下采样实验中评估了SAVER以及类似方法MAGIC和scImpute的性能。在评论[arXiv:1908.07084v1]中,Li & Li关注下采样数据集的使用,特别关注从Zeisel等人获得的聚类结果。在这里,我们将解决这些意见,并进一步修改数据下采样实验,以证明我们的简讯中数据下采样实验的结果是有效的。
2019-09-05 q-bio.GN q-bio.QM stat.AP
Biases in differential expression analysis of RNA-seq data: A matter of replicate type
在RNA测序计数数据的差异表达(DE)分析中,已知具有较大读段数的基因更可能差异表达。这种偏差通过扰乱基因集的等级对随后的基因本体(GO)分析产生了深远的影响。另一个已知的偏差是,常用的参数DE分析方法(例如,edgeR、DESeq和baySeq)倾向于随着测序深度的增加而产生更多的DE基因。然而,我们表明,这些偏见实际上仅限于技术复制类型的数据。我们还表明,应用于技术重复数据的GO或基因集富集分析方法会导致相当数量的假阳性。总之,目前的DE和富集分析方法可以放心地用于生物重复计数数据,而在分析技术重复数据时应谨慎。
2015-08-15 q-bio.GN
Massively Parallel RNA Chemical Mapping with a Reduced Bias MAP-seq Protocol
化学作图方法通过揭示和利用核苷酸的结构可及性或灵活性与其对各种化学探针的反应性的相关性来探测RNA结构。Lucks及其同事的开创性工作将这种方法扩展到在Illumina测序平台上同时探测数百个分子,避免了一次对一个分子使用平板凝胶或毛细管电泳。在这里,我们描述了我们实验室对这种方法的优化,产生了MAP-seq协议(通过测序读取的多路可访问性探测),版本1.0。该协议允许使用桌面Illumina机器在一天的时间尺度上通过几种化学修饰试剂同时定量探测数千种RNA。该方法和软件包MAPseeker(http://simtk.org/home/map_seeker)通过消除PCR步骤、提高ssDNA衔接子的连接效率和避免现有算法中有问题的重复性来解决偏差的几个潜在来源。我们希望MAP-seq 1.0的逐步描述将帮助其他RNA作图实验室从电泳过渡到下一代测序方法,并进一步减少周转时间和任何剩余的方案偏差。
2013-04-03 q-bio.BM q-bio.GN
PLIT: An alignment-free computational tool for identification of long non-coding RNAs in plant transcriptomic datasets
Coventry University(考文垂大学)
长链非编码RNA(longnon-codingRNA,lncRNA)是一类在多种生物学过程中发挥重要作用的非编码RNA。基于RNA-seq的转录组测序已广泛用于lncRNA的鉴定。然而,在RNA-seq数据集中准确识别lncRNA对于探索其在基因组中的特征功能至关重要,因为大多数编码潜能计算(CPC)工具无法在转录组数据中准确识别它们。众所周知的CPC工具,如CPC 2,lncScore,CPAT,主要设计用于基于GENCODE,NONCODE和CANTATAdb数据库预测lncRNA。在转录组数据集上测试时,这些工具的预测准确性往往会下降。这会导致函数注释过程中出现更高的假阳性结果和不准确性。在这项研究中,我们提出了一种新的工具,PLIT,用于识别植物RNA-seq数据集中的lncRNA。PLIT实现了一种基于L1正则化和迭代随机森林(iRF)分类的特征选择方法,用于选择最佳特征。基于序列和密码子偏好特征,其将RNA-seq衍生的FASTA序列分为编码或长非编码转录物。使用L1正则化,获得了31个最佳特征的基础上lncRNA和蛋白质编码转录本从8种植物。使用10倍交叉验证在7个植物RNA-seq数据集上评估该工具的性能。该分析显示出优越的准确性时,对目前可用的国家的最先进的CPC工具进行评估。
2019-02-12 cs.LG q-bio.GN stat.ML
Categorization and analysis of 14 computational methods for estimating cell potency from single-cell RNA-seq data
本文综述并分类了14种从单细胞RNA测序数据估算细胞效能的计算方法,比较其原理、实现差异与使用复杂性,指出该领域缺乏共识并呼吁建立基准数据集。
2024-08-31 q-bio.GN