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
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
An improved, high yield method for isolating nuclei from individual zebrafish embryos for single-nucleus RNA sequencing
本文提出一种基于96孔板和珠子匀浆的高产量斑马鱼胚胎细胞核分离方法，通过sciPlex-RNA-seq对比实验证明其优于酶消化法并适用于多种发育阶段。
2024-11-22 q-bio.GN
Methods to study splicing from high-throughput RNA Sequencing data
RNA高通量测序技术的发展为研究多种条件下的剪接提供了一种非常强大的手段。然而，要分析的信息的复杂性使其成为一项具有挑战性的任务。在过去的几年里，已经开发了大量的工具，使研究人员能够处理RNA-Seq数据，以研究异构体和剪接事件的表达，以及它们在不同条件下的相对变化。我们提供了一个概述的方法，可用于研究剪接短RNA-Seq数据。我们根据它们解决的不同问题对这些方法进行分组：1）将测序读数分配给它们可能的起源基因。这通过将读段映射到基因组和/或可用基因注释的方法来解决。2)恢复剪接事件和同种型的序列。这是解决转录重建和从头组装方法。3)事件和同种型的定量。在重建转录物或使用注释之后，许多方法估计表达水平或同种型和/或事件的相对使用。4)提供差异剪接或表达的同种型或事件视图。这些包括在两种或更多种条件下比较相对事件/同种型丰度或同种型表达的方法。5)可视化剪接调控。各种工具有助于在可变剪接的背景下可视化RNA-Seq数据。在这篇综述中，我们不描述每种方法背后的具体数学模型。我们的目的是提供一个概述，可以作为一个切入点，为用户谁需要决定一个合适的工具，为特定的分析。我们还试图提出一个分类的工具，根据他们做的操作，以方便比较和选择的方法。
2015-07-30 q-bio.GN
Identification of Repurposable Drugs and Adverse Drug Reactions for Various Courses of COVID-19 Based on Single-Cell RNA Sequencing Data
2019冠状病毒病（COVID-19）几乎影响了全球人类生活的每一个部分，对人类健康构成了巨大威胁。目前还没有针对COVID-19的特效药，这凸显了开发有效疗法的迫切需求。为了识别潜在的可重复利用的药物，我们采用了一种系统的方法，通过整合来自基于集成网络的细胞特征库项目的化学品的基因表达扰动数据与来自轻度和重度COVID-19患者的公开可用的单细胞RNA测序数据集，从美国FDA批准的药物和临床前小分子化合物中挖掘候选药物。我们确定了281种FDA批准的有可能有效对抗SARS-CoV-2感染的药物，其中16种目前正在进行临床试验，以评估其对抗COVID-19的疗效。我们通过实验测试了酪氨酸磷酸酶抑制剂-AG-1478和布雷菲德菌素-a对单链核糖核酸（ssRNA）病毒甲型流感病毒复制的抑制作用。总之，我们使用系统生物学方法确定了一系列可重复使用的抗SARS-CoV-2药物。
2020-12-04 q-bio.GN
Comprehensive assessment of error correction methods for high-throughput sequencing data
DNA和RNA测序的出现彻底改变了基因组学和分子生物学的研究。下一代测序（NGS）技术，如Illumina，Ion Torrent，SOLiD测序等，已经带来了一种快速和廉价的基因组测序方法。最近，第三代测序（TGS）技术，如PacBio和牛津纳米孔技术（ONT）也已开发出来。不同的技术使用不同的基础测序方法，并且容易出现不同的错误率。尽管存在许多用于来自NGS和TGS方法的测序数据的错误校正的工具，但是还没有标准方法可用于评估这些错误校正工具的准确性和有效性。在这项研究中，我们提出了一个软件包的错误校正工具评估核酸序列（SPECTACLE）提供全面的算法来评估错误校正方法的DNA和RNA测序，NGS和TGS平台。我们还提供了Illumina，PacBio和ONT平台的测序数据集汇编，这些平台为纠错工具提供了具有挑战性的场景。使用这些数据集和SPECTACLE，我们评估了23种不同纠错工具的性能，并对它们的优缺点提出了独特而有用的见解。我们希望我们的方法将标准化的DNA和RNA纠错工具的评价在未来。
2021-03-25 q-bio.GN
De Novo Assembly of Uca minax Transcriptome from Next Generation Sequencing
高通量cDNA测序（RNA-seq）是以无偏的方式定量基因表达的非常强大的技术。甲壳类动物是目前基因组数据库中代表性较低的生物群体之一。在这里，我们提出了转录组数据从招潮蟹（红关节招潮蟹）作为一个机会，以扩大我们的知识。使用Illumina HiSeq系统对来自Uca minax的六个组织样品进行下一代测序。使用Trinity创建了六个转录组文库; Trinity是一种免费的开源软件工具，用于在不存在参考基因组的情况下重新组装高通量mRNA测序（RNA-seq）数据的转录组。此外，还使用了几种有助于数据管理的工具，如RSEM、Bowtie、Blast和IGV;这是一种用于可视化RNA-seq分析结果的工具。对原始测序文件的快速质量控制（FastQC）分析显示，接头和PCR引物序列均预先存在，这可能需要预处理步骤。
2020-01-09 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
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
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
An RNA Sequencing Analysis of Glaucoma Genesis in Mice
青光眼是导致60岁以上人群不可逆失明的主要原因，2010年占所有失明的6.6%至8%，但关于眼病的遗传起源仍有很多需要了解。随着下一代测序（NGS）技术的现代发展，科学家们开始更多地了解青光眼的遗传起源。本研究采用差异表达（DE）和基因本体（GO）分析来研究重度青光眼小鼠和多个对照组之间的遗传差异。来自NCBI（NIH）的全基因组RNA表达的视神经乳头（ONH）和视网膜数据样品用于成对比较实验。此外，主成分分析（PCA）和分散可视化方法进行测序数据的质量控制测试。还鉴定了具有偏斜基因计数的基因，因为它们可能是青光眼特定严重程度的标记基因。在该实验中发现的基因本体支持青光眼发生的现有知识，提供了结果有效的信心。未来的研究人员可以彻底研究DE和GO分析产生的基因列表，以找到小鼠青光眼的潜在激活剂或保护基因，从而开发药物治疗或基因疗法，以减缓或阻止疾病的进展。总体目标是，在未来，这种治疗方法也可以用于人类，以改善青光眼患者的生活质量，降低青光眼失明率。
2022-10-02 q-bio.GN
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
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
A Graphical Method for Identifying Gene Clusters from RNA Sequencing Data
本研究提出基于图的方法，利用Node2Vec+计算基因嵌入并结合谱聚类，经树结构Parzen估计器联合优化，在AMD相关RNA-Seq数据中实现稳健基因簇识别，可推广至其他数据集，助力疾病相关基因机制研究。
2025-11-12 q-bio.GN
pgMAP: a pipeline to enable guide RNA read mapping from dual-targeting CRISPR screens
本文开发了pgMAP分析流程，用于双靶向CRISPR筛选的gRNA读段比对，输出双gRNA计数表和质控指标，并以Snakemake实现开源发布。
2023-06-01 q-bio.GN
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
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
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
Using Guided Transfer Learning to Predispose AI Agent to Learn Efficiently from Small RNA-sequencing Datasets
针对组学数据高维度小样本量易致过拟合的问题，提出引导式迁移学习（GTL），通过在recount3大规模数据上预训练使AI智能体学习初始参数与归纳偏置，显著提升其在小样本RNA-seq下游及少样本任务上的表现。
2023-11-17 q-bio.GN
Identifying and removing the cell-cycle effect from single-cell RNA-Sequencing data
单细胞RNA测序（scRNA-Seq）是发现和描述异质组织中细胞类型的革命性技术，但其表达的测量经常遭受大的系统偏差。这种偏倚的一个主要来源是细胞周期，它引入了大量的细胞类型内异质性，这可能会掩盖细胞类型之间的表达差异。目前用于去除细胞周期效应的方法无法有效地识别这种效应，并且具有去除其他感兴趣的生物组分的高风险，从而损害下游分析。我们提出了ccRemover，这是一种可靠地识别细胞周期效应并将其去除的新方法。ccRemover保留了数据中其他感兴趣的生物信号，因此可以作为许多scRNA-Seq数据分析的重要预处理步骤。使用模拟数据和三个真实的scRNA-Seq数据集证明了ccRemover的有效性，其中它提高了现有聚类算法在区分细胞类型方面的性能。
2016-05-15 q-bio.GN q-bio.QM
Whole genome mapping of 5' RNA ends in bacteria by tagged sequencing : A comprehensive view in Enterococcus faecalis
粪肠球菌是医院感染的第三大原因。为了获得这种细菌中转录组织的第一个全面视图，我们使用了一种改进的RNA-seq方法，能够区分初级和加工的5 'RNA末端。我们还通过确认大肠杆菌中的已知特征来验证我们的方法。在E.粪便一个盲目的基序搜索检索SigA和SignN依赖的启动子之前的TSS映射的典型功能。我们发现了95个新的推定的调控RNA，小和反义RNA，和72个转录反义组织。提出的数据构成了一个显着的洞察细菌RNA景观和一个步骤，以全面的方式在转录和转录后水平的调控过程的推理。
2014-10-07 q-bio.BM 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
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
Issues arising from benchmarking single-cell RNA sequencing imputation methods
2018年6月25日，Huang等人在Nature Methods上发表了一种计算方法SAVER，用于估算单细胞RNA测序（scRNA-seq）数据中的缺失基因表达水平。Huang等人进行了一系列全面的基准分析，包括与RNA荧光原位杂交数据的比较，以证明SAVER优于两种现有的scRNA-seq插补方法scImpute和MAGIC。然而，他们的计算分析是基于作者根据SAVER方法中使用的Poisson-Gamma模型生成的半合成数据。因此，我们重新审查黄等人。的研究。我们发现半合成数据与真实scRNA-seq数据具有非常不同的特性，并且用于基准测试的细胞簇与生物学家标记的细胞类型不一致。我们表明，基于真实scRNA-seq数据和基于细胞类型的生物学知识的重新分析导致了与Huang等人不同的结果和结论。
2019-08-19 q-bio.GN q-bio.QM stat.AP
Concurrent and Accurate RNA Sequencing on Multicore Platforms
在本文中，我们介绍了一种新的并行流水线的快速和准确的映射RNA序列的服务器上配备了多核处理器。我们的软件名为HPG-Aligner，利用Burrows-Wheeler变换的速度快速映射大量RNA片段（读段），以及Smith-Waterman算法的准确性，用于处理冲突读段。该比对仪还采用了一种谨慎的策略来检测剪接点，该策略基于将RNA读数分成短片段（或种子），然后将其映射到许多候选比对位置上，为完整读数的成功比对提供有用的信息。在AMD和英特尔多核处理器平台上的实验结果报告了HPG-Aligner在短和长RNA读取上的卓越并行性能，它在执行时间和灵敏度方面都优于最先进的对齐器，如基于Bowtie和Bowtie 2构建的TopHat 2。
2013-04-02 cs.DC q-bio.GN q-bio.QM
scUnified: An AI-Ready Standardized Resource for Single-Cell RNA Sequencing Analysis
Computer Network Information Center, Chinese Academy of Sciences（中国科学院计算机网络信息中心）；Hangzhou Institute for Advanced Study,University of Chinese Academy of Sciences（中国科学院大学杭州先进研究所）；University of Chinese Academy of Sciences（中国科学院大学）；Department of Computer Science, Columbia University（哥伦比亚大学计算机科学系）
scUnified整合13个跨物种、跨组织的scRNA-seq数据集，提供统一预处理与存储格式，为单细胞计算方法提供AI就绪的标准化评估资源。
2025-11-10 cs.AI q-bio.GN
A deep generative model for gene expression profiles from single-cell RNA sequencing
University of California, Berkeley（加州大学伯克利分校）
我们提出了一个概率模型来解释通过单细胞RNA测序观察到的基因表达水平。在模型中，每个细胞都有一个低维的潜在表示。额外的潜在变量解释了可能错误地将基因表达水平的一些观察值设置为零的技术效应。条件分布由神经网络指定，使所提出的模型具有足够的灵活性，可以很好地拟合数据。我们使用变分推理和随机优化来近似后验分布。推理过程可扩展到超过一百万个细胞，而竞争算法则没有。即使对于较小的数据集，对于几个任务，所提出的过程也优于ZIFA和ZINB-WAVE等最先进的方法。我们还扩展了我们的框架，以考虑批量效应和其他混杂因素，并提出了一个贝叶斯假设检验的差异表达，优于DESeq 2。
2018-01-16 cs.LG q-bio.GN stat.ML
A deep generative model for single-cell RNA sequencing with application to detecting differentially expressed genes
我们提出了一个概率模型来解释通过单细胞RNA测序观察到的基因表达水平。在模型中，每个细胞都有一个低维的潜在表示。额外的潜在变量解释了可能错误地将基因表达水平的一些观察值设置为零的技术效应。条件分布由神经网络指定，使所提出的模型具有足够的灵活性，可以很好地拟合数据。我们使用变分推理和随机优化来近似后验分布。推理过程可扩展到超过一百万个细胞，而竞争算法则没有。即使对于较小的数据集，对于几个任务，所提出的过程也优于ZIFA和ZINB-WAVE等最先进的方法。我们还扩展了我们的框架，考虑到批量效应和其他混杂因素，并提出了一个自然的贝叶斯假设框架的差异表达，优于传统DESeq 2。
2017-10-17 cs.LG q-bio.GN stat.ML
Quantifying alternative splicing from paired-end RNA-sequencing data
RNA测序已经彻底改变了生物医学研究，特别是我们研究基因选择性剪接的能力。这个问题对人类健康有重要影响，因为选择性剪接可能涉及细胞水平的功能障碍和多种疾病。然而，数据的高维性和实验偏差的存在对数据分析提出了严峻的挑战。我们发现，用于研究选择性剪接的标准数据摘要是非常有限的，因为它们忽略了大量有价值的信息。目前的数据分析方法是基于这样的总结，因此是次优的。此外，它们在考虑技术偏差方面的灵活性有限。我们提出了新的数据摘要和贝叶斯建模框架，克服了这些限制，并以非参数，高度灵活的方式确定偏见。这些总结自然适应测序技术的快速改进。我们提供有效的点估计和不确定性评估。该方法允许研究个体样品的选择性剪接模式，也可以作为下游分析的基础。我们发现了几倍的改进，估计均方误差比较流行的方法在模拟中，并在实验数据的重复之间的一致性大大提高。我们的研究结果表明，需要调整选择性剪接RNA-seq研究的常规总结和分析。我们在R包casper中提供了一个软件实现。
2015-12-10 q-bio.GN stat.AP
Depth Normalization of Small RNA Sequencing: Using Data and Biology to Select a Suitable Method
深度测序已成为生物医学研究中最受欢迎的转录组分析工具之一。虽然存在大量的计算方法用于“归一化”测序数据以去除由于实验处理而导致的不想要的样品间变化，但是对于哪种归一化最适合于给定的数据集没有共识。为了解决这个问题，我们开发了“DANA”-一种基于生物学动机和数据驱动的指标评估microRNA测序数据标准化方法性能的方法。我们的方法利用了microRNA的众所周知的生物学特征，用于其表达模式和染色体聚类，以同时评估（1）归一化如何有效地去除处理伪影，以及（2）归一化如何适当地保留生物信号。通过DANA，我们确认了八种常用的归一化方法在不同数据集上的性能差异很大，并为选择合适的方法提供了指导。因此，它应该被采用作为microRNA测序数据分析的常规预处理步骤（在归一化之前）。DANA是用R语言实现的，可在https://github.com/LXQin/DANA上公开获取。
2022-01-13 q-bio.GN q-bio.QM stat.ME
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
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 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
Quantum Annealing for Enhanced Feature Selection in Single-Cell RNA Sequencing Data Analysis
Texas A&M University（德克萨斯农工大学）
本研究利用量子退火增强的QUBO方法，提升单细胞RNA测序数据分析中特征选择的效率和准确性。
2025-08-15 cs.ET physics.bio-ph q-bio.GN
Application of Deep Learning on Single-Cell RNA-sequencing Data Analysis: A Review
Weill Cornell Medicine（威尔康奈尔医学院）；Cornell University（康奈尔大学）；Institute for Computational Biomedicine（计算生物医学研究所）；Caryl and Israel Englander Institute for Precision Medicine（卡里尔与以色列·英格兰德精准医学研究所）；Temple University（天普大学）
单细胞RNA测序（scRNA-seq）已成为同时定量数千个单细胞的基因表达谱的常规使用的技术。scRNA-seq数据的分析在细胞状态和表型的研究中发挥着重要作用，并有助于阐明生物学过程，例如在复杂生物体发育过程中发生的生物学过程，并提高了我们对疾病状态的理解，例如癌症，糖尿病和COVID等。深度学习是人工智能的最新进展，已被用于解决涉及大型数据集的许多问题，也已成为scRNA-seq数据分析的一种有前途的工具，因为它有能力从嘈杂，异构和高维的scRNA-seq数据中提取信息丰富，紧凑的特征，以改善下游分析。本综述旨在调查scRNA-seq数据分析中最近开发的深度学习技术，确定scRNA-seq数据分析管道中由深度学习推进的关键步骤，并解释深度学习相对于更传统的分析工具的好处。最后，我们总结了scRNA-seq数据中当前深度学习方法面临的挑战，并讨论了scRNA-seq数据分析深度算法改进的潜在方向。
2022-10-11 cs.LG q-bio.GN
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
scMamba: A Pre-Trained Model for Single-Nucleus RNA Sequencing Analysis in Neurodegenerative Disorders
Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院）
scMamba是一个针对神经退行性疾病snRNA-seq分析的预训练模型，采用线性适配层、基因嵌入和双向Mamba块架构，无需降维或选择高变基因，在细胞注释、双细胞检测、插补和差异基因识别等任务上优于基准方法。
2025-02-12 cs.LG 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
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
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
SeqMate: A Novel Large Language Model Pipeline for Automating RNA Sequencing
Stevens Institute of Technology（史蒂文斯理工学院）
SeqMate 利用大语言模型和生成式 AI，将 RNA-seq 数据准备、差异表达与轨迹分析及报告生成整合为一键式自动化流程，降低了生物学家使用门槛。
2024-07-02 cs.AI cs.LG 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
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
A Manifold Proximal Linear Method for Sparse Spectral Clustering with Application to Single-Cell RNA Sequencing Data Analysis
University of California, Davis（加州大学戴维斯分校）；The Pennsylvania State University（宾夕法尼亚州立大学）；Texas A&M University（得克萨斯农工大学）；Yale University（耶鲁大学）
谱聚类是一种基本的无监督学习方法，广泛应用于数据分析中。稀疏谱聚类（SSC）赋予谱聚类以稀疏性，提高了模型的可解释性。本文考虑了一个广泛采用的SSC模型，它可以表示为Stiefel流形上的非光滑和非凸目标的优化问题。这样的优化问题非常具有挑战性。现有的方法通常解决其凸松弛或需要使用某些光滑技术来光滑其非光滑部分。在本文中，我们提出了一个流形近似线性方法（ManPL），解决了原来的SSC制定。我们还将该算法扩展到求解多核SSC问题，并提出了一种交替ManPL算法。收敛性和迭代复杂性的结果所提出的方法。我们通过单细胞RNA测序数据分析证明了我们提出的方法相对于现有方法的优势。
2020-10-30 cs.LG math.OC 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
Reconstructing the Developmental Trajectory of Adipocytes in Human Adipose Tissue Using Single-Cell RNA Sequencing
Faculty of Informatics and Electrical Engineering, Del Institute of Technology（信息学院与电气工程学院，德尔技术学院）
通过单细胞RNA测序重建人类脂肪细胞发育轨迹，发现IGF和FGF通路在分化中起关键作用，并揭示内脏与皮下脂肪的差异。
2026-06-29 cs.AI q-bio.GN
VeloTree: Inferring single-cell trajectories from RNA velocity fields with varifold distances
Zuse Institute Berlin（柏林祖斯研究所）；Technical University of Denmark（丹麦技术大学）
本文提出VeloTree方法，利用变分距离推断单细胞分化树，通过预处理RNA速度场并结合变分距离计算，提高轨迹推断的准确性。
2026-04-01 math.MG q-bio.GN stat.ME
SCTA: An Agentic Framework for Stable and Interpretable Target Gene Discovery from Single-Cell RNA Sequencing
Novartis Biomedical Research（诺华生物医学研究公司）
研究旨在从scRNA-seq数据中稳定且可解释地发现靶基因，提出SCTA智能体框架，将靶标发现分解为专门智能体并结合结构化证据约束推理，通过遗传性慢性胰腺炎研究验证其能提高靶标发现的多项性能。
2026-07-28 cs.LG q-bio.GN
scCluBench: Comprehensive Benchmarking of Clustering Algorithms for Single-Cell RNA Sequencing
scCluBench提供了一套标准化的scRNA-seq聚类算法基准测试，涵盖多种数据集和方法，用于评估性能和实际应用。
2025-12-02 cs.AI 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
A systematic evaluation of methods for cell phenotype classification using single-cell RNA sequencing data
Hebei University of Technology（河北工业大学）；University of Victoria（维多利亚大学）；National University of Sciences（国立科学大学）；University of Saskatchewan（萨斯喀彻温大学）
背景资料：单细胞RNA测序（scRNA-seq）产生关于基因表达的有价值的见解，并提供关于复杂组织细胞组成的关键信息。在单细胞RNA测序分析中，细胞亚型的标注往往是人工完成的，耗时且不可重复。Garnett是一个基于弹性网格法的细胞类型注释软件。除了细胞类型注释之外，监督机器学习方法也可以应用于从基因组数据预测其他细胞表型。尽管这些应用很受欢迎，但目前还没有研究系统地研究这些监督算法在各种规模的scRNA-seq数据集中的性能。方法和结果：这项研究评估了13种流行的监督机器学习算法，使用已发表的具有不同细胞大小的真实和模拟数据集对细胞表型进行分类。基准包含两个部分。在第一部分中，我们使用真实数据集来评估流行的监督算法的计算速度和细胞表型分类性能。使用AUC统计、F1评分、精确度、召回率和假阳性率来评估分类性能。在第二部分中，我们使用已发表的模拟数据集与已知的真实基因列表来评估基因选择性能。结论：研究结果表明，具有交互作用的ElasticNet在中小数据集中表现最好。NB是中等数据集的另一种适当方法。在大型数据集中，XGB工作得很好。包围算法并不显著优于单个机器学习方法。向ElasticNet添加交互可以提供帮助，并且在小数据集上的改进是显著的。
2021-10-01 cs.LG q-bio.GN stat.AP
Soft Graph Clustering for single-cell RNA Sequencing Data
University of Chinese Academy of Sciences（中国科学院大学）
针对scRNA-seq硬图聚类信息损失及错误传播问题，提出scSGC软图聚类框架，通过ZINB自编码器、双通道软图嵌入与最优传输优化，在十个数据集上优于13个先进模型。
2025-07-14 cs.AI cs.LG q-bio.GN
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
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
