Principles of microRNA regulation of a human cellular signaling network
microRNAs(miRNAs)是一种内源性的22核苷酸RNA,通过碱基配对选择性地与特定信使RNA的3-非编码区结合,从而抑制基因表达。鉴于miRNA靶标的多样性和丰富性,miRNA似乎与许多细胞网络的各种组分功能性地相互作用。通过分析miRNAs与人类细胞信号网络之间的相互作用,我们发现miRNAs主要靶向正调控基序、高度连接的支架和大多数下游网络组件如信号转录因子,但较少靶向负调控基序、基本细胞机器的常见组件和大多数上游网络组件如配体。此外,当衔接子有可能募集更多下游组分时,这些组分更频繁地被miRNA靶向。这项工作揭示了miRNA调节信号转导网络的原理,并暗示了miRNA促进细胞对细胞外信号的反应的稳健转变和维持细胞内稳态的潜在功能。
2006-12-18 q-bio.GN q-bio.MN
Conservation and losses of avian non-coding RNA loci
在这里,我们提出了一个大规模的非编码RNA基因座的生物信息学注释的结果在48个鸟类基因组。我们的方法使用概率模型的手工策划的家庭从Rfam数据库推断保守的RNA家族内的每个鸟类基因组。我们用来自tRNA注释工具tRNAscan-SE和来自miRBase的microRNA的预测来补充这些注释。我们发现,一些lncRNA相关的位点是保守的鸟类和哺乳动物之间,包括一些有趣的情况下,报告的哺乳动物lncRNA的功能是不保守的鸟类。我们还证明了经典ncRNA的广泛保守性(例如,tRNA)和最近发现的ncRNA(例如,snoRNA和miRNAs)。此外,我们描述了许多“损失”的几个RNA家族,并将这些真正的损失,分歧或丢失的数据。特别是,我们表明,许多这些损失是由于组装鸟类微染色体的挑战。这些综合结果说明了应用同源性为基础的方法注释新的脊椎动物基因组的效用。
2014-06-27 q-bio.GN
Approaches to link RNA secondary structures with splicing regulation
在高等真核生物中,可变剪接通常受蛋白质因子的调控,蛋白质因子与前体mRNA结合,影响剪接信号的识别。最近有证据表明,前体mRNA的二级结构也可能在这一过程中发挥重要作用,通过促进或阻碍与调节剪接的因子和小核核糖核蛋白(snRNP)的相互作用。此外,二级结构可以在酵母物种的剪接中发挥重要作用,酵母物种缺乏后生动物中存在的许多调节剪接因子。本文综述了前体mRNA二级结构的分析步骤及其与剪接的可能关系。作为一个工作的例子,我们使用的情况下,酵母和识别的3-总理剪接位点的问题。
2015-10-09 q-bio.GN q-bio.QM
Statistical properties of thermodynamically predicted RNA secondary structures in viral genomes
通过对1212个完整的病毒基因组中的1832个片段进行全面的研究,我们发现在病毒基因组中,在简单的随机零假设下,预测RNA二级结构的发夹结构比预期的更丰富。检测到的RNA二级结构的发夹结构存在于四组病毒的编码区和非编码区中,这四组病毒被分类为dsDNA、dsRNA、ssDNA和ssRNA。对于所有组的RNA二级结构的发夹结构检测更频繁地比预期的随机零假设在非编码区,而不是在编码区。然而,潜在的RNA二级结构也存在于dsDNA组的编码区中。事实上,我们检测到进化保守的RNA二级结构中的保守的编码和非编码区的一大套完整的基因组的双链DNA疱疹病毒。
2008-03-18 q-bio.GN q-bio.QM
Long non-coding RNAs as a source of new peptides
深度转录组测序已经揭示了许多转录物的存在,这些转录物缺乏长的或保守的开放阅读框,并且被称为长非编码RNA(lncRNA)。尽管存在几种在基因表达调节中起作用的特征性lncRNA,但它们中的绝大多数还不具有已知的功能。出于对几个物种的核糖体分析数据的存在,我们已经测试了这一假设,即它们可以作为一个仓库,用于使用来自人类,小鼠,斑马鱼,果蝇,拟南芥和酵母的数据合成新的肽。核糖体保护模式与大量lncRNA中翻译的开放阅读框(ORF)的存在一致。大多数核糖体保护的ORF短于100个氨基酸,通常覆盖不到一半的转录物。这些ORF中的核糖体密度很高,与3UTR区域形成鲜明对比,3UTR区域中通常没有可检测的核糖体结合,类似于真正的蛋白质编码基因。核糖体保护的ORF的编码潜力,使用六聚体频率测量,显着高于随机选择的内含子ORF和类似的进化年轻的编码序列。lncRNA的核糖体保护的ORF的选择性限制低于典型的蛋白质编码基因,但再次类似于年轻的蛋白质。这些结果强烈表明lncRNA在从头蛋白质进化中起重要作用。
2014-05-16 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
Essential role of long non-coding RNAs in de novo chromatin modifications: The genomic address code hypothesis
表观基因组,即整个染色质修饰,在细胞分化期间从母细胞转移到子细胞。然而,当在子细胞中进行从头染色质修饰(分别建立或消除新的或预先存在的DNA甲基化和/或组蛋白修饰)时,它具有与其母细胞不同的表观基因组。虽然从头染色质修饰是构成细胞分化基本过程的重要事件,但其分子机制仍知之甚少。我们在这封信中认为,解决这个问题的关键在于理解长链非编码RNA(lncRNA)的作用-这是一种在表观遗传学研究中变得越来越突出的RNA。许多研究表明,lncRNA在细胞核中形成核糖核-蛋白质复合物,并参与染色质修饰。然而,染色质修饰酶缺乏关于它们作用的基因组位置的信息。另一方面,已知单链RNA通常可以与双链DNA结合以形成三螺旋。如果每个lncRNA一方面与染色质修饰酶形成核糖核-蛋白质复合物,另一方面与基于其特定核苷酸序列的基因组区域形成三螺旋,则其可以在特定位点诱导从头染色质修饰。因此,lncRNA的多样性可以通过需要特异于其同源基因组区域的“基因组地址码”的多样性来解释,其中从头染色质修饰发生。
2017-03-08 q-bio.GN
LitSumm: Large language models for literature summarisation of non-coding RNAs
European Molecular Biology Laboratory, European Bioinformatics Institute (EMBL-EBI)(欧洲分子生物学实验室欧洲生物信息研究所);The University of Manchester(曼彻斯特大学);Riboscope Ltd(Riboscope有限公司)
针对生命科学文献整理人力不足的问题,本研究提出LitSumm方法,借助商用大语言模型与提示-检查链生成非编码RNA的高质量文献综述,已应用于超4600种ncRNA并通过RNAcentral公开结果。
2025-01-10 cs.AI q-bio.GN
The long non-coding RNA HOTAIR is transcriptionally activated by HOXA9 and is an independent prognostic marker in patients with malignant glioma
lncRNA HOTAIR与几种人类癌症有关。在这里,我们评估了HOTAIR在胶质瘤(最常见的原发性脑肿瘤)中的分子改变和上游调控机制及其临床意义。整合来自在线数据集和我们的队列的数据,研究了人脑胶质瘤中HOTAIR基因表达、甲基化、拷贝数和预后价值。高水平的HOTAIR与胶质瘤的高级别相关,特别是IDH野生型病例。从机制上讲,HOTAIR以基因剂量无关的方式过表达,而HOTAIR基因座中特定CpG的DNA甲基化水平与GBM临床标本和细胞系中HOTAIR的表达水平相关。一致地,去甲基化剂5-氮杂-2 '-脱氧胞苷以细胞系依赖性方式影响HOTAIR转录水平。重要的是,HOTAIR经常与HOXA 9在TCGA,Oncomine以及我们的葡萄牙和法国数据集中的高级别胶质瘤中共表达。整合的计算机分析、染色质免疫沉淀和qPCR数据显示HOXA 9直接结合HOTAIR的启动子。临床上,HOTAIR高表达的GBM患者的总生存率显著降低,与其他预后变量无关。总之,这项工作揭示了HOXA 9作为HOTAIR的一种新的直接调节因子,并将HOTAIR确立为一种独立的预后标志物,为治疗这种高度侵袭性的癌症提供了新的治疗机会。
2018-11-09 q-bio.GN q-bio.MN
LoRA-BERT: a Natural Language Processing Model for Robust and Accurate Prediction of long non-coding RNAs
Texas A&M University(德克萨斯农工大学);Brookhaven National Laboratory(布鲁克海文国家实验室);The University of Missouri(密苏里大学);University of Missouri School of Medicine(密苏里大学医学院)
针对长链非编码RNA序列较长导致现有分类方法缺乏鲁棒性和准确性的问题,提出预训练模型LoRA-BERT,通过捕获核苷酸级信息提升预测性能,在准确率和效率上超越常用工具,达到最先进水平,为相关疾病检测提供潜力。
2024-11-11 cs.LG q-bio.GN
Identification and characterization of unique to human regulatory sequences in embryonic stem cells reveal associations with transposable elements, distal enhancers, non-coding RNA, and DNA methylation-driven mechanisms of genome editing
The Stanford University School of Medicine(斯坦福大学医学院);Sanford-Burnham Medical Research Institute(桑福德-伯纳姆医学研究所);Genlight Technology Corporation(Genlight科技有限公司)
研究发现人类胚胎干细胞中独特的调控序列与转座子、增强子、非编码RNA及DNA甲基化机制相关,提出NANOG和POU5F1蛋白质在远端调控元件中的功能模型。
2014-04-03 q-bio.GN
Random model for RNA interference yields scale free network
我们介绍了一个随机位串模型的转录后遗传调控的基础上序列匹配。该模型自发地产生一个无标度网络的幂律缩放与$ γ=-1$,也表现出对数周期行为。入度分布要窄得多,并且呈现出明显的峰值,然后是高斯分布。该网络是最小世界型的,其平均最小路径长度与网络的大小无关,只要网络由一个巨簇组成。逾渗阈值取决于系统的大小。
2003-10-21 q-bio.GN
Attention based convolutional neural network for predicting RNA-protein binding sites
Erasmus Medical Center(伊拉斯姆斯医学中心);IBM Research(IBM研究院)
RNA结合蛋白(RNA binding proteins,RBP)在基因调控等许多生物学过程中起着重要作用。RNA上RBP结合位点的计算机识别是一个迫切需要解决的问题。特别地,RBP通过识别序列基序与RNA结合。因此,快速定位RNA序列上的这些基序对于确定RNA是否与RBP相互作用是至关重要的,并且是时间有效的。在这项研究中,我们提出了一个基于注意力的卷积神经网络,iDeepA,从原始RNA序列预测RNA-蛋白质结合位点。我们首先将RNA序列编码成one-hot编码。接下来,我们设计了一个具有卷积神经网络(CNN)和注意力机制的深度学习模型,该模型自动搜索重要位置,例如结合基序,以学习用于预测RBP结合位点的判别性高级特征。我们在来自CLIP-seq数据的公开金标准RBP结合位点上评估iDeepA。结果表明,iDeepA实现了与其他最先进方法相当的性能。
2017-12-06 cs.LG q-bio.GN stat.ML
Epigenetic regulation of repetitive DNA through mitotic asynchrony following double fertilization in angiosperms
最近的几项研究表明,在开花植物配子体的伴侣细胞放松转座因子(TE)的表观遗传控制,以促进小RNA的生产,推测协助附近的生殖细胞管理TE。鉴于这种可能性,我们有必要进一步研究被子植物双受精过程中细胞分裂的时间。根据这样的分析,可以想象,双受精可以通过促进遗传多样性亲本之间的杂交来推动被子植物的进化。这种能力的一个关键特征是双受精后细胞分裂的顺序,因为在合子之前的初生胚乳核的分裂将产生能够识别TE的小RNA,并在合子进入细胞周期的S期之前确定其染色质状态。因此,导致倍性增加的杂交或遗传多样性亲本之间的杂交将产生能够更好地管理TE和重复DNA的多样性补充的后代。在这方面考虑双受精挑战了以前的观念,即胚乳的主要目的是改善种子储备储存和利用。
2013-10-29 q-bio.GN q-bio.PE
A mixed model approach for joint genetic analysis of alternatively spliced transcript isoforms using RNA-Seq data
RNA测序技术允许以前所未有的细节水平研究细胞的转录状态。除了对整个基因表达进行定量之外,现在还可以解开基因的个体可变剪接转录物同种型的丰度。一个中心问题是要了解的监管过程,导致相对丰度变化的差异,由于外部和遗传因素。在这里,我们提出了一个混合模型的方法,允许(i)联合分析和遗传映射的多个转录异构体和(ii)映射异构体特异性的影响。我们的方法的核心是全面模拟转录异构体之间的变异和相关性的原因,包括基因组背景和技术定量不确定性。因此,我们的方法允许准确地测试共享以及转录本异构体的转录本特异性遗传调控,并实现这些统计测试的大幅改善的校准。对来自126个人类HapMap个体的基因型和RNA测序数据的实验表明,我们的模型可以帮助获得基因表达变异的遗传基础的更细粒度的图片。
2012-10-10 q-bio.GN q-bio.PE q-bio.QM
Panoramic modelling of single-cell transcriptomes at scale with CellNet
College of Computer Science and Electronic Engineering, Hunan University(湖南大学计算机科学与电子工程学院);University of Electronic Science and Technology of China(电子科技大学);State Key Laboratory of Chemo and Biosensing, Institute of AI4Science, Hunan University(湖南大学化学生物传感与AI4Science研究所国家重点实验室);Yuelushan Laboratory(岳麓山实验室)
CellNet是基于2.31亿个跨40物种细胞图谱预训练的可扩展框架,通过整合基因身份与RNA表达实现单细胞转录组全景建模,提升稀有细胞群识别能力,可跨物种预测基因表达,助力细胞多样性解释。
2026-11-03 q-bio.GN
Gene and RNA Editing: Methods, Enabling Technologies, Applications, and Future Directions
本文综述基因与RNA编辑的方法、CRISPR/Cas13等使能技术及其在疾病和病毒检测中的应用,阐明RNA临时修饰与DNA永久改变的差异及医学前景。
2024-09-01 cs.CE q-bio.GN
Transcriptomic Causal Networks identified patterns of differential gene regulation in human brain from Schizophrenia cases versus controls
共同和复杂的性状是多个基因同时相互作用和调控的结果,它们以协调的方式工作。然而,绝大多数研究集中在一个单独的基因的差异表达的时间。在这里,我们的目标是提供洞察的潜在关系的基因在人类大脑中表达的精神分裂症(SCZ)和控制的情况下。我们介绍了一种新的方法,以确定差异基因调控模式,并确定了一组必要的基因在脑组织中。我们的方法整合了遗传、转录组和Hi-C数据,并生成了一个转录组-因果网络。采用这种方法分析来自CommonMind Consortium的RNA-seq数据,我们确定了SCZ病例和对照组的差异调控模式,以揭示控制人类大脑中基因转录的机制。我们的分析确定了具有大量SCZ相关基因的模块,并评估了病例和对照组中枢纽与其下游基因的关系。此外,本研究还鉴定了脑功能必需基因,并发现了与SCZ相关的新基因。
2019-08-20 q-bio.GN
The status of the human gene catalogue
自2001年人类基因组草图发表以来,科学家们一直试图识别人类基因组中的所有基因。在此期间的几年里,在识别蛋白质编码基因方面取得了很大进展,估计数量已经减少到不到20,000个,尽管不同的蛋白质编码异构体的数量急剧增加。高通量RNA测序的发明和其他技术的突破导致了已报道的非编码RNA基因数量的爆炸式增长,尽管它们中的大多数还没有任何已知的功能。最新进展的结合为确定这些功能并最终完成人类基因目录提供了一条道路。然而,在我们有一个通用的注释标准之前,还有很多工作要做,该标准包括所有具有医学意义的基因,保持它们与不同参考基因组的关系,并描述临床相关的遗传变异。
2023-03-24 q-bio.GN q-bio.QM
How chromatin interactions shed light on interpreting non-coding genomic variants: opportunities and future direc-tions
本研究整合染色质相互作用数据与拷贝数变异(CNVs)和全基因组关联研究(GWAS)单核苷酸多态性(SNPs)数据,揭示非编码变异的功能意义,为结构变异和疾病相关SNPs破坏调控网络提供新见解,推进遗传复杂性理解并为个性化医疗提供潜在途径。
2024-11-27 q-bio.GN
ncRNA Classification with Graph Convolutional Networks
University of Cambridge(剑桥大学);USI Lugano(卢加诺大学);Imperial College London(帝国理工学院)
非编码RNA(ncRNA)是不编码基因但携带重要生物学功能的RNA序列。ncRNA分类的任务在于将给定的ncRNA序列分类到其家族中。虽然已经表明ncRNA序列折叠的图结构对于其家族的预测是非常重要的,但是当前的方法在手工制作的图特征上利用机器学习分类器。我们使用图卷积网络模型改进了这项任务的最新技术,该模型在13个类中实现了85.73%的准确率和85.61%的F1得分。此外,我们的模型以端到端的方式从原始RNA图中学习,并消除了对昂贵的特征提取的需求。据我们所知,这也是图卷积网络首次成功应用于RNA折叠数据。
2019-05-16 cs.LG q-bio.GN stat.ML