Genome-wide modelling of transcription kinetics reveals patterns of RNA production delays
由于转录时间、降解速率和RNA加工动力学的差异，具有相似转录激活动力学的基因可以显示非常不同的时间mRNA谱。最近的研究表明，剪接相关的RNA生产延迟可能是显着的。我们介绍了一个联合模型的转录激活和mRNA的积累，可用于推断的转录速率，RNA的生产延迟和降解速率的高通量测序时间过程实验的全基因组数据。我们结合了一个机械微分方程模型与非参数统计建模方法，使我们能够捕捉到广泛的激活动力学，并使用贝叶斯参数估计量化的动力学参数估计的不确定性。我们将该模型应用于MCF-7乳腺癌细胞系中雌激素受体（ER-α）激活的数据。我们使用RNA聚合酶II（pol-II）ChIP-Seq时程数据来检测转录激活，使用mRNA-Seq时程数据来定量成熟转录物。我们发现，在数据中具有良好信号的基因中，有11%在完成转录和成熟mRNA产生之间显示出超过20分钟的延迟。显示这些长延迟的基因更有可能是短的。我们还发现了高延迟和后期内含子保留在前mRNA数据之间的统计关联，表明许多基因中存在显着的剪接相关生产延迟。
2015-07-16 q-bio.GN q-bio.QM stat.AP
BIISQ: Bayesian nonparametric discovery of Isoforms and Individual Specific Quantification
大多数人类蛋白质编码基因可以转录成多种可能的不同mRNA亚型。这些可变剪接模式促进了分子多样性，同种型表达的失调在疾病病因学中起着重要作用。然而，亚型很难从短读RNA-seq数据中表征，因为它们具有相同的序列，并且以组织和样品特异性频率存在。在这里，我们开发了BIISQ，这是一种贝叶斯非参数模型，用于从RNA-seq数据中发现异构体和个体特异性定量。BIISQ不需要已知的亚型参考序列，而是直接使用样品间共享的亚型目录估计亚型组成。我们开发了一种随机变分推理方法，用于高效和稳健的后验推理，并与最先进的亚型重建方法相比，证明了短读RNA序列模拟和PacBio长读测序模拟短读数据的卓越精度和召回率。BIISQ对于较长（就外显子而言）的同种型和低表达的同种型（在模拟中，在低覆盖率下正确推断的转录本超过500%）实现了最显著的增益。最后，我们估计了GEUVADIS RNA-seq数据中的异构体，鉴定了调节转录比例的遗传变异，并证明了与mRNA剪接调控相关的功能元件中的变异富集。
2017-03-24 q-bio.QM
Spliced Leader Trapping Reveals Widespread Alternative Splicing Patterns in the Highly Dynamic Transcriptome of Trypanosoma brucei
在原生动物、线虫和一些脊索动物中，前导序列反式剪接到mRNA的59端是一种普遍现象。利用平行测序技术，我们开发了一种同时定位59个剪接位点并分析相应基因表达谱的方法，我们称之为剪接前导捕获法（Spliced Leader Trapping，简称SLET）。该方法可以应用于具有测序的基因组和保守前导序列的反式剪接的任何生物体。我们分析了布氏锥虫的血液和昆虫形式的表达谱和剪接模式。我们检测了85%的注释蛋白编码基因的59个剪接位点，与以前的报道相反，发现高达40%的转录本差异表达。此外，我们发现了超过2500个可变剪接事件，其中许多似乎是阶段调节。基于我们的研究结果，我们假设，选择性剪接转录本提出了一种新的方式来调节基因表达，并可能有助于蛋白质的多样性在寄生虫。整个数据集可以在TriTrypDB或通过http://splicer.unibe.ch/在线访问。
2021-08-27 q-bio.GN q-bio.QM
Distribution of graph-distances in Boltzmann ensembles of RNA secondary structures
大的RNA分子通常携带多个功能结构域，其空间排列是其功能的重要决定因素。此外，前体mRNA剪接依赖于剪接点的空间接近性，剪接点可以被非常长的内含子分开。在RNA病毒基因组的加工过程中也出现了类似的效果。尽管是一个粗略的测量，但热力学平衡中的空间距离分布因此提供了关于分子整体形状的有用信息，可以提供对其功能结构域相互作用的见解。空间距离可以用RNA二级结构中的图距离来近似。在这里，我们表明，任意核苷酸之间的图形距离的平衡分布可以计算在多项式时间内通过动态规划。时间复杂度为O（n^11）的递归。虽然我们能够在许多实际应用中将其减少到O（n^6），但进一步减少似乎很困难。因此，我们的结论是，采样方法，这是更容易实现的，也是理论上有利于大多数现实生活中的应用，特别是因为这些主要涉及在非常大的RNA分子的长程相互作用。
2013-07-30 q-bio.BM q-bio.QM
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
SASeq: A Selective and Adaptive Shrinkage Approach to Detect and Quantify Active Transcripts using RNA-Seq
使用RNA测序鉴定和定量条件特异性转录物在转录组学研究中至关重要。虽然使用读数计数或每碱基外显子信号的数学或统计建模的初始努力已经成功，但它们可能遭受模型过拟合，因为不是数据库中的所有参考转录物都在特定生物条件下表达。标准收缩方法，如Lasso，以非歧视性方式将所有转录本丰度收缩至零。因此，它不一定产生条件特异性转录物的集合。因此，需要使用观察到的外显子覆盖信号的知情收缩方法。基于RNA测序数据中普遍存在的未被覆盖的外显子区域（称为“裸外显子”），我们提出了一种新的计算方法，该方法首先过滤掉不被剪接和双端读段支持的参考转录本，然后拟合每个碱基的外显子覆盖信号和潜在转录本结构的新数学模型。我们引入了一个调整参数来惩罚所选转录本中不被裸外显子支持的特定区域。我们的方法相比毫不逊色，所选择的竞争方法的时间复杂度和准确性，使用模拟和真实世界的数据。我们的方法是在SAMMate中实现的，SAMMate是一个GUI软件套件，可以从http://sammate.sourceforge.net免费获得
2013-02-23 cs.CE q-bio.GN q-bio.QM
Flexible RNA design under structure and sequence constraints using formal languages
RNA二级结构设计（也称为反向折叠）的问题如下：给定目标二级结构，目标是创建折叠成给定结构或与给定结构相容的序列。在生物学中的一些实际应用中，必须考虑额外的约束，例如在特定位置或序列中的任何地方存在/不存在调控基序。在这项研究中，我们研究了RNA序列的设计，从他们的目标二级结构，这些额外的序列限制。为此，我们开发了一个通用的框架，基于语言理论的概念，即上下文无关文法和有限自动机。我们有效地结合成一个统一的上下文无关的语法大小适中的一套全面的约束。从那里，我们使用通用的通用算法来执行（加权）随机生成，或穷举，候选序列。由此产生的方法，其复杂性与RNA的长度呈线性关系，作为一个独立的程序来实现。由此产生的软件被嵌入到一个公开的专用网络服务器中。该方法的适用性证明了一个具体的案例研究，致力于外显子剪接增强子，我们的方法被成功地用于设计的\emph{in vitro}实验。
2013-08-01 q-bio.QM
Bayesian Reconstruction and Differential Testing of Excised mRNA
University of Connecticut（康涅狄格大学）
表征mRNA的差异切除对于理解从正常发育过程到疾病发病机制的细胞或组织的功能复杂性至关重要。大多数转录本重建方法从高通量测序数据推断全长转录本。然而，这是一个具有挑战性的任务，由于不完整的注释和不同类型的细胞，组织和实验条件下的转录本的差异表达。最近的几种方法通过考虑局部剪接事件来规避这些困难，但是这些方法丢失了转录水平的剪接信息并且可能混淆转录物。我们开发了第一个概率模型，调和转录和本地剪接的角度。首先，我们形式化的序列的mRNA切除（SME）重建问题，其目的是组装可变长度的序列的mRNA切除从RNA测序数据。然后，我们提出了一种新的分层贝叶斯混合模型的切除mRNA（BREM）的重建。BREM在局部剪接事件和全长转录本之间插入，因此仅关注具有高后验概率的SME。我们开发的后验推理算法的基础上吉布斯抽样和独立集的局部搜索和特征差分中小企业使用广义线性模型的基础上收敛BREM模型参数。我们表明，BREM实现了更高的F1分数重建任务和提高的准确性和灵敏度，在差异剪接相比，四个国家的最先进的转录和本地剪接方法的模拟数据。最后，我们基于转录重建、产生的转录物的新颖性、模型对超参数的敏感性以及差异表达的SME的功能分析，在批量和scRNA测序数据上评估了BREM，证明BREM捕获了相关的生物信号。
2022-11-14 cs.LG q-bio.GN q-bio.QM
SeeSite: Efficiently Finding Co-occurring Splice Sites and Exon Splicing Enhancers
识别剪接位点的问题由两个子问题组成：找到它们的边界和表征它们的序列标记。其他剪接元件-包括，增强子和沉默子-出现在内含子和外显子区域在剪接活动中起重要作用。现有的检测剪接元件的方法局限于寻找剪接位点或增强子和沉默子，即使这些元件是众所周知的共同出现。我们介绍了SeeSite，一个高效和准确的工具，用于检测剪接位点及其互补外显子剪接增强子（ESEs）。SeeSite有三个阶段：图构建，寻找密集子图，以及恢复剪接位点和ESE及其共识。第三步是解决带离群点的一致序列，这是一个NP完全的字符串聚类问题。我们证明了我们的算法在多项式时间内输出接近最优的解决方案。使用SeeSite，我们证明了ESEs优先与较弱的剪接位点相关，并且特定规范形式的剪接位点与特定的ESEs共同出现。
2012-06-25 q-bio.GN q-bio.QM
Tree decomposition and parameterized algorithms for RNA structure-sequence alignment including tertiary interactions and pseudoknots
我们提出了一个一般的设置在一个大类的RNA结构的结构序列比较，统一和概括了一些最近的作品对特定的家庭结构。我们的方法是基于树分解的结构，并给出了一个一般的参数化算法，其中指数部分的复杂性取决于家庭的结构。对于以前研究的每个家庭，我们的算法具有相同的复杂性，以前已经给出的具体算法。
2012-06-17 cs.DS q-bio.QM
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
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
Isoform reconstruction using short RNA-Seq reads by maximum likelihood is NP-hard
最大似然法是一种流行的异构体重建技术。在这里，我们证明了通过最大似然法使用短RNA测序读数的同种型重建是NP困难的。
2013-05-04 q-bio.GN q-bio.QM
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
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
MSIQ: Joint Modeling of Multiple RNA-seq Samples for Accurate Isoform Quantification
下一代RNA测序（RNA-seq）技术已被广泛用于以高通量方式评估全长RNA同种型丰度。RNA-seq数据提供了对基因表达水平和转录组结构的深入了解，使我们能够更好地了解基因表达和基本生物过程的调控。由于测序实验中的信息丢失，来自RNA-seq数据的准确异构体定量具有挑战性。最近来自相同组织或细胞类型的多个RNA-seq数据集的积累为提高亚型定量的准确性提供了新的机会。然而，用于多个RNA-seq样品的现有统计或计算方法在估计同种型丰度时将样品汇集到一个样品中或对样品分配相等的权重。这些方法忽略了不同样品质量的可能异质性，可能导致偏倚和不稳健的估计。在这篇文章中，我们开发了一种方法，我们称之为“多个RNA-seq样本的准确异构体定量联合建模”（MSIQ），通过在贝叶斯框架下整合多个RNA-seq样本来实现更准确和更强大的异构体定量。我们的方法旨在（1）识别具有同质质量的一致样本组，以及（2）通过允许一致组上的更高权重来联合建模多个RNA-seq样本，从而提高亚型定量准确性。我们表明，MSIQ提供了一个相合估计量的异构体丰度，我们证明了MSIQ的准确性和有效性相比，替代方法通过模拟研究D。melanogaster基因我们通过对来自人类胚胎干细胞、脑组织和HepG 2永生化细胞系的真实RNA-seq数据的应用研究，证明了MSIQ优于现有方法的优势。
2017-12-02 q-bio.GN q-bio.QM stat.AP
Interpretable RNA Foundation Model from Unannotated Data for Highly Accurate RNA Structure and Function Predictions
非编码RNA的结构和功能对于理解各种生物学过程，如细胞信号转导、基因表达和转录后调节是必不可少的。这些都是RNA领域的核心问题。随着测序技术的快速发展，积累了大量的未注释RNA序列。另一方面，昂贵的实验天文台只能得到有限数量的注释数据和3D结构。因此，设计预测其结构和功能的计算方法仍然具有挑战性。缺乏注释数据和系统研究导致绩效低下。为了解决这个问题，我们提出了一种新的RNA基础模型（RNA-FM），通过自监督学习来利用所有2300万个非编码RNA序列。在这种方法中，我们发现预先训练的RNA-FM可以在不使用任何标签的情况下推断非编码RNA的序列和进化信息。此外，我们证明了RNA-FM的有效性，将其应用于下游二级/三维结构预测，SARS-CoV-2基因组结构和进化预测，蛋白质-RNA结合偏好建模，和基因表达调控建模。综合实验表明，该方法显著提高了RNA结构和功能建模结果的一致性。尽管只使用未标记的数据进行训练，但RNA-FM可以作为该领域的基础模型。
2022-08-08 q-bio.QM
LinearCoFold and LinearCoPartition: Linear-Time Algorithms for Secondary Structure Prediction of Interacting RNA molecules
许多ncRNA通过RNA-RNA相互作用发挥作用。考虑到RNA-RNA相互作用的快速可靠的RNA结构预测是有用的。一些现有的工具由于忽略了分子间和分子内碱基对的竞争而不太准确，或者更专注于预测结合区域而不是预测两个相互作用链的完整二级结构。Vienna RNAcofold通过连接两条链将问题简化为经典的单序列折叠，以立方时间对组合序列长度进行缩放，并且对于长序列来说很慢。为了解决这些问题，我们提出了LinearCoFold（预测线性运行时两条链的完整最小自由能结构）和LinearCoPartition（计算线性运行时的共折叠配分函数和碱基配对概率）。LinearCoFold和LinearCoPartition遵循RNAcofold的级联策略，但比RNAcofold快几个数量级。例如，在组合长度为26，190 nt的序列对上，LinearCoFold比RNAcofold MFE模式快86.8倍（0.6分钟对52.1分钟），LinearCoPartition比RNAcofold分配函数模式快642.3倍（1.8分钟对1156.2分钟）。与局部算法不同，LinearCoFold和LinearCoPartition是不受碱基长度限制的全局共折叠算法。令人惊讶的是，LinearCoFold和LinearCoPartition的预测具有更高的PPV和分子间碱基对的灵敏度。此外，我们应用Line…
2022-10-26 cs.DS physics.bio-ph q-bio.BM
Using structural and evolutionary information to detect and correct pyrosequencing errors in non-coding RNAs
RNA分子中序列-结构关系的分析对于进化研究是必不可少的，但对于具体的应用，如测序技术中的纠错方法也是必不可少的。突变和构象景观的大小与数据量相结合，需要有效的算法来计算序列结构特性。更具体地说，我们的目标是计算哪些突变增加了给定结构和RNA家族序列的可能性。在本文中，我们介绍RNApyro，一个有效的线性时间和空间内外算法，计算精确的突变概率下的二级结构和进化的限制，作为一个多个序列比对的共识结构。我们开发了一个评分计划结合经典的堆积碱基对能量的新型等排尺度，并应用我们的技术来纠正点的错误，在5s和16 s rRNA序列。我们的研究结果表明，RNApyro是一个很有前途的算法，以补充现有的工具，在NGS纠错管道。
2013-05-30 q-bio.QM
GoForth: Language Models for RNA Design under Structure, Sequence, and Coding Constraints
UC Berkeley（加州大学伯克利分校）；LBNL（劳伦斯伯克利国家实验室）
本文提出GoForth模型，用于在结构、序列和编码约束下进行RNA设计，通过条件生成模型解决逆向序列设计问题，实现高效高质量的候选生成及设计任务的语义嵌入。
2026-05-08 q-bio.BM q-bio.QM
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
Single-cell entropy to quantify the cellular transcription from single-cell RNA-seq data
我们提出了使用单细胞熵（scEntropy）来测量来自单细胞RNA测序数据的细胞转录组谱的顺序，这导致了通过scEntropy然后是高斯混合模型（scEGMM）进行无监督细胞类型分类的方法。scEntropy在定义细胞的内在转录状态方面是直接的。scEGMM是细胞类型分类的连贯方法，其不包括参数和聚类;然而，其与基准研究中现有的基于机器学习的方法相当，并且促进生物学解释。
2020-02-15 q-bio.QM
Tuning hyperparameters of doublet-detection methods for single-cell RNA sequencing data
单细胞RNA测序（scRNA-seq）数据中双峰的存在给下游数据分析带来了巨大挑战。已经开发了计算双联体检测方法以从scRNA-seq数据中去除双联体。然而，这些方法的默认超参数设置可能无法提供最佳性能。在这里，我们提出了一种策略来调整超参数的尖端双重检测方法。我们利用完全析因设计来探索16个真实scRNA-seq数据集上超参数与检测精度之间的关系。通过响应面模型和凸优化方法得到最优超参数。我们表明，最佳超参数在各种生物条件下为scRNA-seq数据集提供了最佳性能。我们的调整策略可以应用到其他计算双重检测方法。它还为scRNA-seq数据分析中更广泛的计算方法提供了超参数调整的见解。
2023-02-06 q-bio.QM
RNA-RNA interaction prediction based on multiple sequence alignments
目前已经发展了许多计算机化的RNA-RNA相互作用结构预测方法。最近，$O(N^6)$时间和$O(N^4)$空间动态规划算法已经变得可用，其计算RNA-RNA相互作用复合物的配分函数。然而，这些方法很少结合相关序列的知识，因此相关的进化信息往往被忽略的结构确定。因此，引入一种同时考虑热力学稳定性和序列协变的方法具有相当大的实际意义。我们提出了\emph{a priori}折叠算法\texttt{ripalign}，其输入由两个（给定）多序列比对（MSA）。\texttt{ripalign}输出（1）配分函数，（2）碱基配对概率，（3）混合概率和（4）一组Boltzmann采样的次优结构，其由与比对兼容的规范联合结构组成。与单序列对折叠算法\texttt{rip}相比，\texttt{ripalign}所需的额外内存资源可以忽略不计。此外，我们将可能的结构约束作为输入参数到我们的算法。这里描述的算法是作为\texttt{rip}包的一部分用C实现的。补充材料、源代码和输入/输出文件可从\url{http://www.combinatorics.cn/cbpc/ripalign.html}免费下载。Christian Reidys \texttt{duck@santafe.edu}
2010-07-14 math-ph math.MP 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
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
Sequence matching algorithms and pairing of noncoding RNAs
本文提出了一种新的统计方法来计算两个能形成等级苜蓿叶状二级结构的杂聚物的排列。这为定量测定具有任意一级序列的两个非编码RNA的结合自由能提供了一种新的构造性算法。ncRNA的比对不同于两个RNA序列的完全比对：在ncRNA的情况下，我们只比对两个不同RNA之间构成配对的核苷酸序列，而每个RNA的二级结构只通过影响每个分子对总成本函数的熵贡献的组合因素来发挥作用。所提出的算法基于两个观察：i）标准比对问题被认为是两个缔合杂聚物链结合的更一般的统计问题的零温度极限; ii）最后一个问题被推广到具有分级三叶草状结构（即RNA类型）的序列上。在最后取零温度极限，考虑到侧仙人掌状回路的熵，我们得到了系统所需的"代价函数"。此外，我们已经详细演示了我们的算法如何能够解决“结构恢复”问题。也就是说，我们可以预测在零温度限制的苜蓿叶状（即二级）结构的相互作用的ncRNA只知道他们的主要序列。
2010-11-11 cond-mat.stat-mech q-bio.QM
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
Beyond Sequence: Impact of Geometric Context for RNA Property Prediction
Johnson & Johnson Innovative Medicine（强生创新医学）；The Pennsylvania State University（宾夕法尼亚州立大学）
本研究系统评估了在RNA性质预测中引入2D和3D几何信息的效果，发现几何感知模型平均RMSE降低约12%，在低数据和部分标注下更优，但序列模型对噪声更稳健，需2-5倍数据才能匹敌。
2025-04-21 cs.AI cs.LG q-bio.BM
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
Uncovering the Genetic Basis of Glioblastoma Heterogeneity through Multimodal Analysis of Whole Slide Images and RNA Sequencing Data
INSERM UMR 1037 Cancer Research Center of Toulouse (CRCT), University Paul Sabatier Toulouse III（里尔癌症研究中心（CRCT）、保罗·萨巴蒂埃大学图卢兹第三分校）
本研究针对胶质母细胞瘤侵袭性遗传机制不明的问题，采用多模态深度学习联合分析全玻片图像与RNA-seq数据，结合新型RNA-seq编码方法，发现相关新基因与可解释不同进展模式的遗传谱，为该病异质性机制及治疗靶点研究提供新方向。
2025-05-19 cs.AI q-bio.QM
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
RNA structure characterization from chemical mapping experiments
尽管由于RNA二级结构对功能的影响，人们对解决RNA二级结构非常感兴趣，但从序列确定结构仍然是一个悬而未决的问题。在实验方法中，一个有前途的候选者是“化学修饰策略”，其涉及将化学物质应用于对结构敏感的RNA，并导致可以通过测序技术进行分析的修饰。一种可以通过化学修饰然后测序来揭示配对核苷酸的方法是SHAPE，并且它已与毛细管电泳（SHAPE-CE）和高通量测序（SHAPE-Seq）结合使用。需要数学逆问题的解决方案来将序列数据与修饰的位点相关联，并且先前已经为SHAPE-CE提出了许多方法，并且分别为SHAPE-Seq分析提出了许多方法。在这里，我们介绍了一个新的模型，化学修饰实验的推断，其配方结果在封闭形式的最大似然估计，可以很容易地应用到数据。该模型可以专门用于SHAPE-CE和SHAPE-Seq，因此可以直接比较这两种技术。然后，我们证明了使用SHAPE-Seq而不是SHAPE-CE获得的额外信息对于ML估计是有价值的。
2011-06-29 q-bio.QM stat.AP
SentRNA: Improving computational RNA design by incorporating a prior of human design strategies
Stanford University（斯坦福大学）
解决RNA逆折叠问题是RNA设计的关键先决条件，RNA设计是生物工程中的一个新兴领域，具有从反应催化到癌症治疗的广泛应用。虽然在开发基于机器的反向RNA折叠算法方面已经取得了重大进展，但目前的方法仍然难以为大型或复杂的靶标设计序列。另一方面，在线RNA设计游戏EteRNA的人类玩家在这方面一直表现出卓越的性能，能够轻松地为机器算法具有挑战性的目标设计序列。在这里，我们提出了一种新的方法来RNA设计问题，SentRNA，设计代理组成的一个完全连接的神经网络训练端到端使用人类设计的RNA序列。我们证明，通过这种方法，SentRNA可以解决以前任何基于机器的方法都无法解决的复杂目标，并在两个独立的具有挑战性的测试集上实现最先进的性能。我们的研究结果表明，将人类的设计策略纳入设计算法可以显着提高机器的性能，并提出了一个新的范例，基于机器的RNA设计。
2019-03-06 cs.AI q-bio.QM stat.ML
DropLasso: A robust variant of Lasso for single cell RNA-seq data
MINES ParisTech（巴黎高等矿业学院）；PSL Research University（巴黎文理研究大学）；Institut Curie（居里研究所）；INSERM（法国国家健康与医学研究院）；Ecole Normale Supérieure（巴黎高等师范学院）；CNRS（法国国家科学研究中心）
单细胞RNA测序（scRNA-seq）是一种快速发展的方法，用于平行测量许多单个细胞的全基因组转录组，但会导致具有许多脱落事件的噪声数据。因此，从批量转录组数据中学习分子特征的现有方法可能不适用于scRNA-seq数据，以便将单个细胞自动分类为预定义的类别。我们提出了一种名为DropLasso的新方法来从scRNA-seq数据中学习分子签名。DropLasso扩展了神经网络训练中流行的dropout正则化技术，以估计稀疏线性模型。它很好地适应了被丢弃噪声破坏的数据，例如scRNA-seq数据，并且我们阐明了它与弹性网络正则化的关系。我们在模拟和真实scRNA-seq数据上提供了有希望的结果，表明DropLasso可能比标准规则更适合从scRNA-seq数据中推断分子特征。
2018-02-26 cs.CV q-bio.GN q-bio.QM
