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
Intronic Alus Influence Alternative Splicing
对人类转录组的检查显示,RNA编辑水平高于迄今为止测试的任何其他生物。这表明在人类转录组内广泛的双链RNA(dsRNA)形成。大多数编辑位点位于灵长类特有的称为Alu的逆转录元件中。在内含子序列中发现了大部分Alus,这意味着mRNA前体中广泛的Alu dsRNA形成。然而,这些内含子Alus对侧翼外显子剪接的影响在很大程度上是未知的。在这里,我们表明,更多的Alus侧翼选择性剪接的外显子比组成性剪接的,这是特别值得注意的那些外显子,已经改变了他们的剪接模式,从组成的替代在人类进化过程中。这意味着Alu的插入可能会改变侧翼外显子的剪接模式。事实上,我们通过实验证明,两个Alu元件以相反的方向插入内含子中进行碱基配对,如RNA编辑所示,并影响下游外显子的剪接模式,将其从组成型转变为替代型。我们的研究结果表明内含子Alus在影响侧翼外显子剪接中的重要性,进一步强调了Alus在人类转录组形成中的作用
2008-11-21 q-bio.GN q-bio.PE
Computational methods for differentially expressed gene analysis from RNA-Seq: an overview
从RNA测序数据中分析差异基因表达已成为生物信息学研究领域的标准。这些数据的计算分析步骤包括许多数据类型和文件格式,以及各种各样的计算工具,可以单独应用或作为管道一起应用。本文介绍了差异表达分析流水线,解决其步骤和各自的目标,在每个步骤中可用的主要方法和它们的属性,在这种情况下,在一个有组织的方式进行概述。特别是,这篇评论的目的是解决主要涉及的方面差异表达基因(DEG)的分析从RNA测序数据(RNA测序),考虑到计算方法和它的属性。此外,一个时间轴的计算方法的发展,为DEG提出和讨论,以及存在的主要计算工具之间的相互作用网络的关系。在DEG分析的挑战和差距的讨论也强调了这一审查。
2021-09-08 cs.CE q-bio.GN
Multimodal Modeling of CRISPR-Cas12 Activity Using Foundation Models and Chromatin Accessibility Data
本研究针对CRISPR-Cas12基因组编辑中gRNA活性预测的难点,提出利用预训练RNA基础模型嵌入结合轻量回归器,并整合染色质可及性数据的方法,显著提升了预测性能。
2025-06-12 cs.AI 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
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
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
RNA Binding Density on X-chromosome Differing from that on 22 Autosomes in Human
为了测试X染色体是否具有独特的基因组特征,比较了X染色体和22个常染色体的RNA结合密度。将染色体上的核苷酸序列划分为每个片段50 kb,使用所有可能的7 nt串(47=16384)将其重新编码为一组7-核苷酸(7 nt)串的频率值。选取扁桃体生发中心B细胞高表达的120个基因,计算所有内含子(RNA)的7 nt串频率值。DNA片段和RNA的结合密度由互补序列的量决定。首次显示基因贫乏和低基因表达的X染色体具有可高度结合RNA的DNA片段的最低百分比,而基因丰富和高基因表达的19号染色体具有可高度结合RNA的DNA片段的最高百分比。在此基础上,提出了RNA高结合DNA片段在染色体上分布的非随机性,为缺乏RNA高结合DNA片段可能是X染色体失活的原因提供了有力的证据
2003-12-24 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
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
Gene induction during differentiation of human monocytes into dendritic cells: an integrated study at the RNA and protein levels
在RNA和蛋白质水平上研究了人单核细胞向树突状细胞分化过程中发生的基因表达的变化。这些研究显示了对应于各种生物学功能的几种基因类别的诱导。这些功能包括抗原加工和呈递、细胞骨架、细胞信号传导和信号转导,但也包括线粒体功能和蛋白质合成机制的增加,包括一些但不是全部的分子伴侣。这些变化使人们对这一分化过程中发生的事件有了正确的认识。从更技术性的角度来看,在RNA和蛋白质水平上进行的研究似乎是高度互补的。
2006-12-05 q-bio.GN
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
Statistical modeling of isoform splicing dynamics from RNA-seq time series data
异构体定量是RNA测序实验的一个重要目标,但对于低表达或几种异构体的基因仍然存在问题。这些困难原则上可以通过利用相关的实验设计,如时间序列或剂量反应实验来改善。特别地,时间序列RNA测序实验正变得越来越流行,但是没有明确地利用实验设计来改进同种型定量的方法。在这里,我们提出了DICEseq,第一个异构体定量方法定制相关的RNA测序实验。DICEseq明确模拟了不同RNA测序实验之间的相关性,以帮助跨实验定量同种型。在模拟数据集上的数值实验表明,DICEseq产生的结果比最先进的方法更准确,这一优势在低覆盖率下可能变得相当可观。在真实数据集上,我们的结果表明DICEseq提供了实质上更可重复和稳健的定量,在具有低或中等表达水平的基因(所有基因的下三分之一)上,将来自重复数据集的估计值的相关性增加了高达10%。此外,DICEseq允许量化RNA的时间采样和测序深度之间的权衡,这通常是计划实验时的重要选择。我们的研究结果对RNA测序实验的设计具有重要意义,并为改进此类数据集的分析提供了一种新的工具。Python代码可以在http://diceseq.sf.net上免费获得。
2016-02-19 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
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
Embedded transfer RNA Genes
在广古菌产甲烷菌M.kandleri和微古菌N.马的一些缺失的tRNA基因嵌入在其他基因中。我们认为,从生物信息学证据,位置特异性内含子剪接是这些tRNA基因的共同定位背后的关键。
2005-09-22 q-bio.BM q-bio.GN
Collective regulation by non-coding RNA
我们研究产生许多种类的非编码RNA分子的遗传网络,这些分子以中等密度存在,就像通常存在于细胞中一样。这些RNA的许多种类的协会物理建模,考虑到绑定和未绑定状态之间的平衡常数。通过包括许多RNA种类的成对结合,网络变得高度互连,并显示出与通常类型的遗传网络不同的特性。它对突变具有更强的鲁棒性,并且在随时间振荡的环境中具有快速的进化适应性。这提供了一个可能的解释,在许多已被研究的非编码RNA中看到的弱进化约束。
2014-09-05 q-bio.GN q-bio.MN
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
A Graphical Method for Identifying Gene Clusters from RNA Sequencing Data
Rice University(莱斯大学);Baylor College of Medicine(贝勒医学院)
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
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
A Unified Model for Differential Expression Analysis of RNA-seq Data via L1-Penalized Linear Regression
RNA测序(RNA-seq)在定量基因表达水平方面越来越受欢迎。由于RNA-seq测量本质上是相对的,因此计数的样本间标准化是差异表达(DE)分析中的重要步骤。现有DE检测算法的标准化是特别的,并且在DE检测之前执行一次,这可能是次优的,因为理想的标准化应该仅基于非DE基因,因此与DE检测相结合。我们提出了一个统一的统计模型联合归一化和DE检测的对数转换RNA-seq数据。样本特异性归一化因子在基因线性模型中建模为未知参数,并与回归系数联合估计。通过施加稀疏诱导L1惩罚(或多种处理条件下的混合L1/L2范数)对回归系数的影响,仿真结果表明,所提出的模型和算法在检测能力和误检率方面均优于现有的方法,并且在检测性能和误检率方面均优于现有的方法。当超过一半的基因差异表达和/或当DE基因中上调和下调基因的数量不平衡时,阳性率。
2016-10-11 q-bio.GN stat.ME
Optirank: classification for RNA-Seq data with optimal ranking reference genes
Ecole Polytechnique Fédérale de Lausanne(洛桑联邦理工学院);Swiss Data Science Center(瑞士数据科学中心);ETH Zürich(苏黎世联邦理工学院)
使用RNA测序(RNA测序)数据作为输入的分类算法用于各种生物学应用中。从本质上讲,RNA测序数据在数据集内,特别是在数据集之间都会受到不受控制的波动,这给经过训练的分类器推广到外部数据集带来了很大的困难。用观察内的基因计数的秩替换原始基因计数已被证明有效地缓解了该问题。然而,根据定义,特征的排名是相对于所有其他特征的,包括在排名中引入噪声的高度可变的特征。为了解决这个问题,并获得更强大的排名,我们提出了一个逻辑回归模型,optirank,同时学习模型的参数和基因作为参考集的排名。我们证明了这种方法的有效性模拟数据。我们还考虑了真正的分类任务,它呈现了不同种类的分布之间的转变训练和测试数据。这些任务涉及各种应用,例如未知主要分类的癌症、特定基因签名的鉴定以及单细胞RNA测序数据集中细胞类型的确定。在这些实际任务中,optirank的表现至少与经典秩上的香草逻辑回归一样好,同时产生更稀疏的解决方案。此外,为了提高对数据集变化的鲁棒性,我们提出了一个多源学习方案,并证明了其有效性时,结合使用基于排名的分类器。
2023-01-11 cs.LG q-bio.GN
Joint estimation of genetic and parent-of-origin effects using RNA-seq data from human
RNA测序允许人们研究基因表达的等位基因不平衡,这可能是由于遗传因素或基因组印记。理想的是同时对遗传效应和亲本效应进行建模,以避免混淆并提高检测任一效应的能力。在试验杂交研究中,通过研究两个自交系的正反交可以实现遗传效应和亲本效应的分离。相比之下,这个任务对于远系繁殖的种群如人类种群来说更具挑战性。为了应对这一挑战,我们提出了一个新的框架,结合实验策略和新的统计方法。具体来说,我们建议收集来自家庭三人组的基因型数据以及来自家庭三人组的儿童的RNA-seq数据。我们已经开发了一种新的统计方法来估计遗传和父母的原产地的影响,从这样的数据集。我们通过研究30组HapMap样本证明了这种方法。我们的研究结果支持了一些以前发现的印迹基因,也恢复了新的候选印迹基因。
2017-05-05 q-bio.GN stat.AP