Nonparametric clustering of RNA-sequencing data
在转录组学数据中识别共表达基因的簇是一项困难的任务。用于此目的的大多数算法可以分为两大类：基于距离或基于模型的方法。基于距离的方法通常利用数据对象对之间的距离函数，并将相似的对象一起分组到集群中。基于模型的方法基于使用混合建模框架。与基于距离的方法相比，基于模型的方法提供了更好的可解释性，因为每个聚类都可以根据所提出的模型来明确表征。然而，这些模型在识别混合物可以基于的正确的多变量分布方面存在特别的困难。在这篇手稿中，我们回顾了一些用于选择所需的混合模型的分布的方法。然后，我们建议使用非参数MSL（最大平滑似然）算法完全避免这个问题。该算法是在统计文献中提出的，但据我们所知，尚未应用于转录组学数据。这种方法的突出特点是，它避免了明确的个人生物样本的分布完全规范，从而使从业者的任务更容易。当在真实数据集上使用时，该算法产生大量具有生物学意义的聚类，并且与通常用于RNA-seq数据聚类的其他两种基于混合的算法相比毫不逊色。我们的代码在Github上公开发布，网址是https://github.com/Matematikoi/non_parametric_clustering。
2022-09-23 stat.AP
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
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
Robust identification of noncoding RNA from transcriptomes requires phylogenetically-informed sampling
非编码RNA是广泛的生物过程中不可或缺的，包括翻译，基因调控，宿主-病原体相互作用和环境传感。虽然基因组学现在是一个成熟的领域，但我们在细菌和古细菌基因组中识别非编码RNA元件的能力受到从头识别困难的阻碍。用于表征转录组输出的新技术的出现，特别是RNA-seq，正在改善非编码RNA的鉴定和表达定量。然而，一个主要的挑战是稳健地区分功能输出和转录噪音。为了确定现有转录组数据的注释是否有效地捕获了所有功能输出，我们分析了400多个公开可用的RNA-seq数据集，涵盖37种不同的细菌和细菌。使用比较工具，我们确定了近一千个高表达的候选非编码RNA。然而，我们的分析表明，识别非编码RNA输出的能力在很大程度上依赖于系统发育采样。令人惊讶的是，与蛋白质编码基因形成鲜明对比的是，有效使用比较方法的系统发育窗口非常狭窄：聚合公共数据集只产生一个系统发育聚类，这些工具可以用于将未注释的非编码RNA与转录噪音的零假设分开。我们的研究结果表明，为了实现转录组学数据的全部潜力，实验设计的改变是至关重要的：有效的转录组学需要具有遗传学意识的采样。
2014-10-10 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
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
Baa.pl: A tool to evaluate de novo genome assemblies with RNA transcripts
评估基因组组装的正确性是任何基因组计划中的重要步骤。存在多种方法，但大多数都是计算密集型的，并且在某些情况下是不合适的。在这里，我介绍了baa.pl，一个快速和易于使用的程序，使用转录数据来评估基因组组装。通过使用人类22号染色体的模拟，我表明，baa.pl擅长检测缺失序列和连续性的水平。该程序可在以下网址免费获得：https://github.com/josephryan/baa.pl
2014-02-07 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
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 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
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
RNA-Seq Mapping Errors When Using Incomplete Reference Transcriptomes of Vertebrates
全转录组测序越来越多地被用作研究非模式生物的功能基因组学工具。然而，当用于计算差异表达的参考转录组不完整时，可能导致推断的表达水平的显著误差。在这项研究中，我们使用从真实转录组生成的模拟读段来确定读段映射的准确性，并测量使用不完整转录组所导致的误差。我们发现计数错误的两个主要来源是1）共享读段的选择性剪接变体和2）来自参考的缺失转录本。选择性剪接变体增加了定位的假阳性率，而不完整的参考转录组降低了真阳性率，导致不准确的转录表达水平。通过基因或读段共享（类似于映射到参考基因组）来识别转录物显著减少了假阳性，但只有通过改进参考转录组本身才能解决缺失转录物的问题。我们还表明，采用不同的映射软件不会产生模拟数据的准确性大幅增加。最后，我们表明，读取长度或插入大小必须增加超过1kb，以解决映射的模糊性。
2013-03-11 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
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
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
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
An optimized protocol for single cell transcriptional profiling by combinatorial indexing
单细胞组合索引RNA测序（sci-RNA-seq）是用于从指数可扩展数量的个体细胞或细胞核中恢复基因表达数据的有力方法。然而，sci-RNA-seq是一种复杂的方案，历史上在不同组织上表现出不同的性能，并且灵敏度低于替代方法。在这里，我们报告了一个简化的优化版本的三水平sci-RNA-seq协议，更快，更高的产量，更强大，更灵敏，比原来的sci-RNA-seq 3协议，与试剂成本约为1美分/细胞或更少。我们展示了优化的协议，通过E16.5小鼠胚胎的整个生物体分析，在一个实验中分析约380，000个细胞核。最后，我们介绍了一个“微小的sci-*”协议的实验输入是非常有限的。
2022-01-06 q-bio.GN
Transcriptome profiling research in urothelial cell carcinoma
尿路上皮细胞癌（UCC）是第九大常见癌症，占全球所有新发癌症病例的4.7%。UCC的发展和进展是由于复杂和随机的遗传程序。为了研究可能导致UCC中晚期疾病和对常规疗法的抗性的有限治疗选择的不良预后的分子事件的级联，已经采用了转录组学技术（RNA-Seq），一种使用现代高通量测序平台分析样品的RNA含量的方法。本文综述了RNA-Seq技术的原理，并总结了近年来利用该技术对膀胱癌进行的研究，以阐明膀胱癌的发病机制，鉴定生物标志物，发现通路并对疾病状态进行分类。我们列出了公共可用于RNA-Seq分析的常用计算平台和软件。此外，我们讨论了膀胱癌RNA-Seq研究的未来前景，并建议应用称为单细胞测序（scRNA-Seq）的新技术来进一步了解这种疾病。关键词：转录组分析，RNA测序，基因组学，生物信息学，膀胱癌
2021-01-31 q-bio.GN q-bio.QM q-bio.TO
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
Statistical Power Analysis for Designing Bulk, Single-Cell, and Spatial Transcriptomics Experiments: Review, Tutorial, and Perspectives
基因表达谱分析技术已用于各种应用，例如癌症生物学。基因表达谱的发展扩大了转录组学研究中靶点发现的范围，每种技术产生的数据都具有不同的特征。为了保证使用转录组学实验获得有生物学意义的结果，重要的是通过统计功效分析以系统的方式考虑各种实验因素。在本文中，我们回顾和讨论的功率分析的三种类型的基因表达谱技术，从实用的角度来看，包括批量RNA-seq，单细胞RNA-seq和高通量空间转录组学。具体来说，我们描述了每个批量RNA-seq和scRNA-seq实验的每个研究目标的现有功效分析工具，以及建议。另一方面，由于目前还没有高通量空间转录组学的功效分析工具，我们转而研究影响功效分析的因素。
2023-01-07 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
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
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
HIV-1 virus cycle replication: a review of RNA polymerase II transcription, alternative splicing and protein synthesis
HIV病毒复制是一个与时间相关的过程，包括几个阶段。RNA聚合酶II主要作用于核心步骤，在早期转录含有调节蛋白（即nef、tat、rev、vif、vpr、vpu）的前体mRNA，这些前体mRNA被剪接体复合物（0.9kb和1.8kb）完全剪接，并输出到核糖体进行蛋白质合成。这些剪接和输出过程由tat蛋白和rev蛋白调节，tat蛋白结合反式激活应答（TAR）元件，rev蛋白结合Rev应答元件（RRE）。只要这些调节剂被合成，剪接就被逐渐抑制（从4.0kb到9.0kb），mRNA被翻译成结构蛋白和酶蛋白（env，gag-pol）。在RNAPII扫描和剪接过程中，产生了大约40种不同的多半胱氨酸mRNA。用fortran 90程序对HIV-1病毒（HXB 2CG型）基因组进行了长片段测序，模拟了病毒HIV.pro核糖体停顿。所有的HIV-1病毒蛋白都已被鉴定为其他ORF。如所观察到的，tat/rev蛋白调节剂根据剪接切割位点具有不同的长度：tat蛋白从224 aa变化到72 aa的最终状态，而rev蛋白从25 aa变化到27 aa，最大为119 aa。此外，编码小多肽sPEP（少于10个氨基酸）和其它未鉴定蛋白质的几个ORF已被定位为具有未知功能。对HIV病毒复制和病毒蛋白质组学的详细分析对于确定哪些抗原由巨噬细胞呈递给CD 4细胞、定位反应性表位或创建转移载体以开发新的HIV疫苗和有效…
2020-04-02 q-bio.GN
BMFM-RNA: whole-cell expression decoding improves transcriptomic foundation models
IBM Research（IBM研究院）
通过全细胞表达解码方法，改进转录组基础模型，在下游任务中表现优于掩码语言模型。
2026-03-26 cs.AI q-bio.GN 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
RNA Alternative Splicing Prediction with Discrete Compositional Energy Network
Nanyang Technological University（南洋理工大学）
一个基因可以通过一个称为可变剪接的过程编码不同的蛋白质版本。由于蛋白质在细胞功能中起主要作用，异常剪接谱可导致多种疾病，包括癌症。可变剪接是由基因的一级序列和其他调控因素如RNA结合蛋白水平决定的。以这些为输入，我们将RNA剪接的预测公式化为回归任务，并构建一个新的训练数据集（CAPD）来对学习模型进行基准测试。我们提出了离散组成能量网络（DCEN），它利用剪接位点，接头和转录本之间的层次关系来实现这一任务。在可变剪接预测的情况下，DCEN通过其组成剪接点的能量值对mRNA转录概率进行建模。随后将这些转录概率映射到关键核苷酸的相对丰度值，并使用地面真实实验测量进行训练。通过我们对CAPD的实验，我们表明DCEN优于基线和消融变体。
2021-03-07 cs.AI cs.LG q-bio.GN
Multiscale topology classifies and quantifies cell types in subcellular spatial transcriptomics
空间转录组学有可能改变我们对组织中RNA表达的理解。经典的基于阵列的技术产生多细胞尺度的测量，需要去卷积来恢复单细胞信息。然而，在全转录组深度的RNA表达的亚细胞测量的快速进展需要一个根本不同的方法。为了将单细胞RNA-seq数据与纳米级空间转录组学相结合，我们提出了一种用于自动细胞类型识别的拓扑方法（TopACT）。与多细胞分辨率数据的流行分解方法不同，TopACT能够在没有细胞边界先验知识的情况下精确定位单个稀疏分散细胞的空间位置。TopACT与多参数持续同源景观配对预测免疫细胞在狼疮肾炎小鼠模型中肾小球内形成外周环结构，我们用免疫荧光成像进行了实验验证。所提出的拓扑数据分析统一了从亚细胞基因表达到多细胞组织的多个生物尺度。
2022-12-13 math.AT q-bio.GN q-bio.QM
SPATA: A Seeding and Patching Algorithm for Hybrid Transcriptome Assembly
从RNA-Seq读取的转录组组装是生物信息学研究的活跃领域。不断下降的成本和不断增加的RNA-Seq深度为更好地鉴定表达的转录本提供了前所未有的机会。然而，非线性转录物结构和超高通量的RNA-Seq读数对现有的转录组组装方法（参考引导或从头）提出了显著的算法和计算挑战。虽然参考引导的方法提供了良好的灵敏度，但它们依赖于剪接感知比对器的比对结果，因此不适合具有不完整参考基因组的物种。相比之下，从头方法不依赖于参考基因组，但面临着来自为整个转录组构建的图的复杂性的计算艰巨的任务。为了应对这些挑战，我们提出了一种混合方法来利用不完整的参考基因组，而不依赖于剪接感知对齐。我们设计了一个分裂和对齐程序，以有效地将读段定位到单个基因组基因座，然后进行准确的从头组装，以组装落入每个基因座的读段。使用大量的模拟数据，我们通过与选定的转录组组装工具进行比较，证明了转录组重建的高准确度和精确度。我们的方法是在assemblySAM中实现的，assemblySAM是一个可以在http://sammate.sourceforge.net上免费获得的GUI软件。
2013-06-06 cs.CE q-bio.GN
Uncertainty-aware t-distributed Stochastic Neighbor Embedding for Single-cell RNA-seq Data
Central South University（中南大学）；School of Mathematics and Statistics（数学与统计学院）
本文提出不确定性感知t-SNE（Ut-SNE），通过为每个样本建立概率表示，将单细胞RNA-seq数据中的转录组变异噪声纳入可视化，从而避免误导性展示，并可推广至其他高维数据分析领域。
2024-10-01 cs.LG 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
CASPER: Cross-modal Alignment of Spatial and single-cell Profiles for Expression Recovery
Department of Computer Science \& Engineering, Indian Institute of Technology Ropar, India Qatar Computing Research Institute, Hamad Bin Khalifa University, Doha, Qatar. Department of Biomedical Engineering, Indian Institute of Technology Ropar, India
针对空间转录组学可检测基因有限的问题，提出基于交叉注意力的跨模态对齐框架CASPER，整合单细胞RNA测序数据预测未测基因表达，在多数据集对比实验中多数指标优于现有基线模型。
2025-11-19 cs.AI cs.LG q-bio.GN
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
Towards the Latent Transcriptome
Institute for Research in Immunology and Cancer (IRIC)（免疫学与癌症研究所（IRIC））；Université de Montréal（蒙特利尔大学）；Montreal Institute for Learning Algorithms (Mila)（蒙特利尔学习算法研究所（Mila））
在这项工作中，我们提出了一种从原始RNA-seq数据计算kmers连续嵌入的方法，而不需要与参考基因组进行比对。该方法使用RNN将RNA-seq读数的kmer转换为用于预测每个kmer丰度的二维表示。我们报告说，我们的模型捕获的信息，DNA序列的相似性以及DNA序列的丰度嵌入潜在的空间，我们称之为潜在的转录组。我们通过将这些载体与已知的基因亚结构进行比较来确认它们的质量，并报告潜在空间从急性髓性白血病患者的原始RNA-Seq数据中恢复外显子信息。此外，我们表明，这种潜在的空间允许检测基因组异常，如易位以及患者特异性突变，使这种表示空间既可用于可视化，也可用于分析。
2018-12-10 cs.LG q-bio.GN stat.ML
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
Normalization and selecting non-differentially expressed genes improve machine learning modelling of cross-platform transcriptomic data
本研究提出利用非差异表达基因（NDEG）改善转录组数据归一化，结合TCGA乳腺癌微阵列与RNA-seq独立数据集进行跨平台机器学习建模，有效提升了分子亚型分类性能。
2025-01-24 q-bio.GN q-bio.QM stat.CO
Reconstructing Isoform Graphs from RNA-Seq data
下一代测序（NGS）技术允许用于可变剪接（AS）分析的新方法。目前从NGS数据计算AS的方法主要集中在预测剪接位点连接或从头组装全长转录本。这些方法在计算上是昂贵的，并且产生大量的全长转录物或剪接点，跨越生物体的整个基因组。因此，将这些数据归纳为不同的基因结构和表达基因的AS事件是一项艰巨的任务。面对这个问题，在本文中，我们调查的计算问题，重建从NGS数据，在没有基因组，基因结构的每个基因，是由异构体图表示：我们介绍这样的图，我们表明，它唯一总结了基因转录本。我们定义的计算问题，重建的异构图，并提供了一些条件，必须满足这样的重建。最后，我们描述了一个有效的算法来解决这个问题，验证我们的方法与理论和实验分析。
2012-08-14 cs.CE cs.DS 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
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
Data-Driven Prediction of CRISPR-Based Transcription Regulation for Programmable Control of Metabolic Flux
对代谢途径的多方向控制是代谢工程提高燃料、化学品和药物产品收率的关键。为了实现这一目标，已经开发了人工转录调节因子，如基于CRISPR的转录调节因子，以特异性激活或抑制感兴趣的基因。在这里，我们发现，通过部署向导RNA靶向基因盒不同位置的DNA位点，我们可以只使用一种合成的基于CRISPR的转录调节因子来同时激活和抑制基因表达。通过使用指导RNA和基因表达的成对数据集，我们开发了一个数据驱动的预测模型，以合理地设计该系统来微调靶基因的表达。我们证明，该系统可以实现可编程控制的代谢通量时，使用酵母生产多功能的化学品。我们预计，这种基于CRISPR的转录调控因子将成为代谢工程合成生物学工具包的一个有价值的补充，加快工业生物制造中的设计-构建-测试周期，并对真核细胞的命运产生新的生物学见解。
2017-04-10 q-bio.BM q-bio.GN
Systematic evaluation of the isolated effect of tissue environment on the transcriptome using a single-cell RNA-seq atlas dataset
本研究提出COSER框架，利用图论枚举子数据集解决统计混杂，评估单细胞离散变量的孤立效应，揭示了组织环境对基因表达及免疫反应年龄相关变化的影响。
2024-12-19 cs.DM q-bio.GN
Defining the relationship between cathepsin B and esophageal adenocarcinoma: conjoint analysis of Mendelian randomization, transcriptome-wide association studies, and single-cell RNA sequencing data
本研究通过整合MR、TWAS、scRNA-seq和sc-eQTL分析，发现CTSB水平升高与食管腺癌风险降低存在因果关联，该作用可能通过巨噬细胞MSR调节介导，提示CTSB可作为EAC诊疗新靶点。
2025-04-02 q-bio.GN q-bio.TO
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
A genome-scale deep learning model to predict gene expression changes of genetic perturbations from multiplex biological networks
本研究提出整合多生物网络的深度学习模型TranscriptionNet，基于L1000项目数据预测三类遗传扰动的转录谱，性能优于现有方法，大幅扩展预测基因规模且泛化性强，可助力基因功能研究、药物研发与靶点发现。
2024-03-05 q-bio.GN
Adversarial Domain Adaptation Enables Knowledge Transfer Across Heterogeneous RNA-Seq Datasets
IBISC Laboratory（IBISC实验室）；University Paris-Saclay (Univ. Evry)（巴黎萨克雷大学（欧韦尔大学））；France（法国）
本研究提出基于深度学习的域适应框架，通过跨异构RNA-seq数据集实现有效知识转移，提升癌症类型分类的准确性，尤其在低数据场景下表现更优。
2026-03-09 cs.LG q-bio.GN
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
RNASEQR - A streamlined and accurate RNA-seq sequence analysis program
论文已被作者撤回。
2011-12-29 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
Transcriptomic Models for Immunotherapy Response Prediction Show Limited Cross-cohort Generalisability
UNSW BioMedical Machine Learning Lab (BML), School of Biomedical Engineering, UNSW Sydney（UNSW生物医学机器学习实验室（BML），生物医学工程学院，UNSW悉尼）；School of Biomedical Engineering, UNSW（生物医学工程学院，UNSW）；Department of Computer Science, Zhejiang University（浙江大学计算机科学系）；Institute for Intelligent Systems Research and Innovation, Deakin University（智能系统研究与创新研究所，德金大学）；School of Engineering & Technology, Duy Tan University（工程与技术学院，杜益大学）；School of Computing, Macquarie University（计算学院，麦觉大学）；Center of Excellence in Precision Medicine and Digital Health, Faculty of Dentistry, Chulalongkorn University（精准医学与数字健康中心，牙科学院，朱拉隆功大学）
研究评估了九种先进的转录组免疫检查点抑制剂反应预测模型，发现基于bulk RNA-seq的模型在多数队列中表现接近随机，而基于scRNA-seq的模型仅略有提升，路径分析显示生物标志物信号稀疏且不一致。
2026-09-21 cs.LG 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
CTCF Degradation Causes Increased Usage of Upstream Exons in Mouse Embryonic Stem Cells
转录抑制因子CTCF是染色质三维结构的重要调节因子，促进拓扑相关结构域（TADs）的形成。然而，它对基因调控的直接影响还不太清楚。在这里，我们利用先前发表的ChIP-seq和RNA-seq数据来研究CTCF对具有CTCF位点的基因的可变剪接的影响。我们比较了生长素诱导小鼠胚胎干细胞CTCF降解后结合位点上游和下游外显子中RNA-seq信号的量。我们发现CTCF缺失后基因表达的变化是显著的，上游外显子的存在普遍增加。我们推断CTCF结合促进可变剪接的可能机制是通过引起转录机制的暂停，在此期间剪接元件能够同时作用于已经转录成RNA的上游外显子。
2018-10-07 q-bio.GN
Functional transcription factor target discovery via compendia of binding and expression profiles
全基因组范围内的实验，以地图的转录相关因子（TF）的DNA结合位置表明，由TF结合的基因的数量远远超过可能的直接靶基因的数量。因此，区分功能性和非功能性结合是转录调控研究中的一个主要挑战。我们假设，可以通过在多个实验条件下关联结合和表达谱来发现功能靶点。为了验证这一假设，我们从人类ENCODE资源的匹配细胞类型中获得ChIP-seq和RNA-seq数据，考虑启动子近端和远端累积调控模型以将结合位点映射到基因，并使用线性和非线性测量的组合来关联结合和表达数据。我们发现，与仅在感兴趣的细胞类型中使用结合位点相比，基因的TF结合和表达谱之间的高度相关性显著更能预测基因在该TF敲低后的差异表达。值得注意的是，从细胞类型纲要的相关性预测的TF靶点也预测了其他细胞类型中的功能靶点。最后，ChIP-seq和RNA-seq实验的时间过程的相关性也预测了该组织中的功能性TF靶标。
2015-12-17 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
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
