Multiple Gaussian process models based global sensitivity analysis and efficient optimization of in vitro mRNA transcription process
本研究针对体外mRNA转录（IVT）过程，构建多高斯过程（GP）模型开展全局敏感性分析，识别出NTP和Mg浓度为关键影响因素，结合多起点优化算法得到最优操作条件并经实验验证，为RNA生产效率提升提供支撑。
2024-10-20 math.OC q-bio.QM
smFISH_batchRun: A smFISH image processing tool for single-molecule RNA Detection and 3D reconstruction
针对单分子RNA成像背景噪声导致系统分析困难的问题，提出smFISH_batchRun工具，通过定制MATLAB脚本实现ATS核新生转录本与细胞质mRNA的单分子检测及组织3D重建，最初优化于秀丽隐杆线虫生殖系且具广谱适用性。
2025-04-13 q-bio.QM
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
Network-community analysis of cellular senescence
针对复杂细胞表型相关基因识别难题，提出结合特征向量中心性特征选择与社区检测的网络方法，在小鼠肌肉RNA测序数据中发现新衰老相关基因并验证，可推广至有细胞类型拆分的批量测序数据。
2024-06-19 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
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
The Role of RNA Condensation in Reducing Gene Expression Noise
生物分子凝聚体已被证明在细胞中定位生物化学方面起着重要作用。RNA是缩合物的常见成分，并且可以决定它们的生物物理性质。生物分子凝聚体的功能是多种多样的，包括激活、抑制和定位反应。最近的理论工作表明，蛋白质相分离成液滴可以减少细胞与细胞之间蛋白质丰度的差异。然而，涉及mRNA的相分离在多大程度上也可以缓冲噪声还有待探索。在本文中，我们介绍了一个现象学模型的mRNA的相分离成RNP凝聚物，并量化噪声抑制作为基因表达动力学参数的函数。通过随机模拟，我们强调了由少数mRNA形成的缩合物调节蛋白质丰度和抑制蛋白质波动的能力。我们特别强调这种机制如何可以促进有效的转录，即使在不频繁的突发转录的情况下，通过利用浓度依赖性，确定性的相分离阈值的物理降低噪声。我们研究了两种生物相关的模型，其中相分离作用于通过将mRNA存储在惰性液滴中来“缓冲”噪声，或通过加速其衰减来“过滤”相分离的mRNA，并将表达噪声量化为动力学参数的函数。在任何一种情况下，最有效的表达发生时，突发产生的mRNA接近相分离阈值，我们发现这是广泛一致的RNP液滴形成细胞周期蛋白多核阿舒囊菌细胞的观察。最后，我们考虑了噪声在相位分离阈值中的贡献，并表明在一定条件下，相位分离阈值的波动可以抑制蛋白质拷贝数噪声。
2022-12-20 q-bio.QM q-bio.SC
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
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
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
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
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
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
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
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
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
