- 综合排序
- 最热优先
- 最新优先
- 来自专栏用户7627119的专栏
m6A RNA甲基化修饰特征
前面给大家简单的介绍过RNA甲基化以及RNA m6A修饰发文套路大揭秘，今天我们就来看看，m6A RNA甲基化修饰有哪些典型的特征。 01 m6A的peak在基因的 3’UTR附近有明显富集。 ? 03 motif分析结果中，m6A的motif GGAC或者GGACU的排名一般比较靠前。 ? 希望小编提供的几点特征可以作为大家的参考。 Understanding m6A FunctionThrough Uncovering the Diversity Roles of YTH Domain-Containing Proteins[J]
1.1K30发布于 2020-08-05 - 来自专栏用户7627119的专栏
m6A甲基化数据分析流程
前面我们简单介绍过m6A RNA甲基化修饰特征,以及RNA m6A修饰发文套路大揭秘。那么今天小天就和大家一起探讨一下，m6A甲基化数据分析的基本流程。 其中甲基化修饰是一种非常广泛的修饰，N6-methyl adenosine (m6A)是真核生物mRNA上最为广泛的甲基化修饰之一，并存在于多种多样的物种中。 腺嘌呤可以被编码器（Writer）METTL3、METTL14和WTAP及其他组分组成的甲基转移酶复合体甲基化，甲基化的腺嘌呤可以被读码器（Reader, 目前发现m6A读码器主要有五个，定位于细胞核内的 YTHDC1以及定位在细胞质中的YTHDF1、YTHDF2、YTHDF3、YTHDC2）所识别，同时m6A可以被擦除器（Eraser ）FTO和ALKBH5这两个去甲基化酶催化去甲基化。 参考资料： m6A RNA甲基化修饰特征 RNA m6A修饰发文套路大揭秘
1.8K40编辑于 2022-09-21 - 来自专栏作图丫
8分+的m6A甲基化分析思路
导语 GUIDE ╲ m6A甲基化修饰是哺乳动物蛋白质编码mRNA中最普遍的RNA修饰，是一种具有多种重要生物功能的可逆修饰。 m6A的形成和功能由甲基转移酶（writers）、去甲基化酶（erasers）和结合蛋白(readers）作为关键因素来调节。 （Fig.2） Fig.2 03 胃癌m6A下调相关信号通路的鉴定 由于m6A修饰经常参与mRNA代谢和翻译，以影响蛋白质表达水平，作者想找到与m6A调节蛋白相关的蛋白质。 在mTOR、AKT1、PIK3CA和PTEN中都发现存在m6A甲基化的序列特征（Fig.6B）。 在mTOR和PIK3CA中，3‘UTR和相邻区间都存在m6A peaks富集，PTEN存在5‘UTR区域附近的m6A peaks富集（Fig.6C）。AKT1 m6A修饰主要是CDS区域。
77121编辑于 2022-03-28 - 来自专栏用户7627119的专栏
MACS2软件call m6A甲基化peaks
前面给大家介绍了☛m6A甲基化数据分析流程，提到过两个peak calling的软件 Peak calling 用R包exomePeak call peak 用MACS2 call peak 其实目前可用的 用源码安装 $ wget -c -P biosoft/ https://pypi.python.org/packages/9f/99/a8ac96b357f6b0a6f559fe0f5a81bcae12b98579551620ce07c5183aee2c
1.3K10编辑于 2022-09-21 - 来自专栏作图丫
8分+m6A甲基化相关RNA分析思路！
导语 GUIDE ╲ m6A甲基化调控因子在影响结直肠癌患者的预后中发挥了重要作用，m6A相关的lncRNA和mRNA揭示了结直肠癌肿瘤发生发展的潜在机制。 结果解析 01 结直肠癌中m6A调控因子的表达景观 首先在TCGA数据集中比较了19个m6A调控因子在CRC中的表达。 图2 接下来研究了19个m6A调节因子的CNV与结直肠癌患者的临床病理特征之间的关系。结果显示，m6A调控因子的CNV改变与肿瘤分期显著相关，即晚期肿瘤个体有更多的m6A调控因子的CNV事件。 通过WGCNA确认了6个lncRNA共表达模块，并评估了它们与12个os相关的m6A调控因子的相关性(图4A和4B)。 在训练数据集中发现37个m6A相关的lncRNA与CRC个体的OS显著相关。然后根据它们构建lasso Cox分析，生成m6A相关的lncRNA特征，其中包含24个m6A相关的lncRNA。
50340编辑于 2022-03-29 - 来自专栏用户7627119的专栏
RNA甲基化
RNA甲基化修饰类型很多如：m6A RNA甲基化﹑m5C RNA甲基化﹑m1A RNA甲基化、m7G RNA甲基化等。 目前最热门的、最富集的要属m6A RNA甲基化，即RNA分子腺嘌呤第 6 位氮原子上的甲基化修饰（N6-methyladenosine，m6A），是真核生物mRNA最常见的一种转录后修饰，占到RNA甲基化修饰的 m6A RNA甲基化是由多种蛋白参与的动态可逆的修饰。参与m6A甲基化修饰的酶包括甲基化转移酶（Writers）、去甲基化酶（Erasers）和甲基化阅读蛋白（Readers）等。 去甲基化酶：催化RNA去甲基化修饰，即对已发生m6A修饰的碱基“擦除”甲基基团，包括FTO和ALKHB5等。 ，采用m6A特异性的抗体进行免疫沉淀富集发生甲基化的RNA片段，进行高通量测序检测发生m6A修饰的RNA转录本。
2.4K20发布于 2020-08-06 - 来自专栏生物信息云
甲基化测序与甲基化芯片
指 2 条链均未甲基化的 DNA 被甲基化，同时由维持甲基化酶维持稳定的 DNA 甲基化状态。 2.DNA甲基化研究测序方法 目前表观遗传学DNA甲基化研究测序方法常见的有：(1)全基因组重亚硫酸盐甲基化测序[WGBS]; (2)精准DNA甲基化和羟甲基化测序[oxBS-seq]; (3)优化版简化甲基化测序 [RRBS/dRRBS/XRBS]; (4)单/微量细胞全基因组甲基化测序[scWGBS]; (5)扩增子（羟）甲基化测序; (6)（羟）甲基化DNA免疫共沉淀测序[(h)MeDIP-seq]等6种，适用于不同 在弱酸性条件下，没有甲基化/羟甲基化的 C 碱基的 6 位碳会结合亚硫酸氢根。 再用碱处理，使其脱去氨基和亚硫酸氢根，生成 U 碱基。 甲基化/羟甲基化的 C 则保持不变。 (6) (羟)甲基化DNA免疫共沉淀测序(h)MeDIP-seq 5hmC是新发现的一种的修饰碱基，由TET家族的酶通过氧化5mC产生的。
2.6K20编辑于 2022-06-13 - 来自专栏用户7627119的专栏
RNA m6A甲基化研究助力研究胃癌中m6A调节因子介导的甲基化修饰模式和肿瘤微环境浸润特征
in gastric cancer 胃癌中m6A调节因子介导的甲基化修饰模式和肿瘤微环境浸润特征 IF：10.679 Molecular Cancer，2020 研究背景 m6A RNA甲基化广泛存在于 图1 胃癌中m6A调节因子的基因和表达变异 2. 21个调节因子调控的m6A甲基化修饰模式 对胃癌中m6A调节因子之间的相互作用进行分析发现，不仅同一功能类别中的m6A调节子在表达上具有显著相关，而且在 发现三种m6A修饰模式之间的TME细胞类型组成没有显著差异，这表明m6A甲基化修饰不会改变肿瘤的TME浸润细胞类型（图3B）。 ? 鉴定了三种不同的m6A修饰基因组表型，命名为m6A gene clusterA-C，证明胃癌中确实存在三种不同的m6A甲基化修饰模式（图5A）。 在三个m6A gene cluster中，m6A调节因子表达具有显著差异，这与m6A甲基化修饰模式的预期结果一致（图5C）。 ?
1.6K20发布于 2020-08-06 - 来自专栏生命科学
MCE | 组蛋白甲基化
I 型 PRMTs (PRMT1, PRMT2, PRMT3, PRMT4, PRMT6 和 PRMT8) 产生单或不对称二甲基化精氨酸 (ADMA)，II 型 PRMTs (PRMT5 和 PRMT9 JMJD3/KDM6B 和 UTX/KDM6A 双抑制剂 GSK2879552 具有口服活性的，不可逆的 LSD1 抑制剂，具有抗肿瘤活性; Phase 1 Seclidemstat 有效的 Nat Rev Mol Cell Biol. 2019 Oct;20(10):573-589. 6. Kooistra SM, et. PLoS One. 2011;6(8):e24023. 9. Huang J, et al. p53 is regulated by the lysine demethylase LSD1. Nature. 2007 Sep 6;449(7158):105-8. 10. Musselman CA, et al.
1K30编辑于 2023-03-10 - 来自专栏作图丫
11+BIB文章-m6A甲基化+免疫分析为啥这么优秀？
随着RNA去甲基化酶的鉴定和甲基化RNA测序的成熟，RNA甲基化已被确定为一种常见的现象，也是RNA转录、加工、剪接、稳定性和翻译的关键调控因子。 背景介绍 近两年，m6A甲基化相关的研究依然延续了之前的热度，并且m6A关联免疫的分析也层出不穷，今天小编给大家分享一篇高分m6A分析文献，让我们一起看看它的特色在哪里吧！ 从而揭示了m6A调节因子的多组学数据和临床病理参数之间的显著相关性，鉴定了两种不同的m6A修饰模式和四种m6A甲基化对免疫和干性特征的调节模式。 04 鉴定不同的DNA甲基化亚群 作者探讨了每个甲基化亚组的临床分子特征的分布(图4A)。除ZC3H13外，5个cluster中大多数m6A调控因子的表达模式也有很明显的差异(图4B)。 发现了两种不同的LGG甲基化修饰模式，通过对表型相关基因的聚类分析，根据免疫和干性特征确定了m6a甲基化的四种调控模式。
48330编辑于 2022-03-29 - 来自专栏用户6927366的专栏
甲基化肿瘤分型文章套路视频(甲基化预后分型)
--生信自学网 今天给大家介绍一篇五分的甲基化预后分型文章套路 同时，使用甲基化位点构建预后模型，得到预后分析的结果。 首先我们从TCGA下载甲基化数据，我们得到了甲基化的位点矩阵。 将甲基化位点矩阵和生存数据进行联合分析，找出预后相关的甲基化位点。 ConsensusClusterPlus一致性聚类是一种为确定数据集中可能的聚类的数量和成员提供定量证据的方法。 使用ConsensusClusterPlus对预后的甲基化位点进行肿瘤分型，得到不同的肿瘤亚型。通过生存分析和临床相关性分析，可以验证我们得到不同亚型的病人预后确实有显著差异。 我们比较不同亚型之间甲基化位点的差异，得到差异的甲基化位点。接下来，我们对这些位点构建甲基化位点预后模型。最后，通过风险生存曲线，ROC曲线以及风险曲线，验证了我们模型的准确性。
1.3K00发布于 2020-02-24 - 来自专栏芒果先生聊生信
甲基化分析神器--UALCAN
但是，个人经验来说，免疫浸润表型分析，首选oncomine+TIMER；相关性分析较多，尤其是涉及基因表达的相关性，基因表达与肿瘤分期的相关性，首选oncomine+GEPIA；若涉及基因组学如甲基化或者与病理分期的相关性 差异分析，UALCAN做箱式图 UALCAN数据库最特殊的地方是甲基化分析。因为甲基化与肿瘤的发生、发展关系极为密切。 所以在涉及肿瘤与正常组织的甲基化分析时，首选oncomine+UALCAN双确认模式。 那么，如何进行甲基化分析呢？ 其实很简单。在界面选择甲基化分析，点击进入即可。 ? 表达差异，生存分析，甲基化，相关性等，也是我们生信分析的思路。分析结果，既有探针信息，也有p值，说服力很强。在论文中，我们可以综合编辑，给出探针信息以及p值。 ? 甲基化是基因组学层次上机制探究的重要组成部分，值得我们关注和分析。 ?
4.1K12发布于 2020-08-05 - 来自专栏生信修炼手册
bsseq 进行差异甲基化分析
共6列数据，制表符分隔，每一行代表一个甲基化位点，前5列很好理解，描述甲基化位点的染色体位置和类别，默认情况下bbseq用于分析CpG类型的甲基化位点。 Cov代表覆盖到这个位点的reads数，M代表其中发生了甲基化的reads数目。 T-test 在分析之前，有必要过滤掉覆盖度较低的甲基化位点。通常保留在所有样本中覆盖度大于2的甲基化位点，但是也可以修改这个条件。 过滤之后，直接通过BSmooth.tstat进行分析 下面的代码基于bsseqData包中的数据，这个数据包含了6个样本，分为normal和cancer两组 ? subset对差异甲基化的结果进行筛选，筛选包含甲基化位点个数大于3而且meanDiff 大于0.1的甲基化区域。
1.7K10发布于 2020-05-09 - 来自专栏生信探索
DNA甲基化芯片分析02: DNA甲基化芯片基础知识
undefined 基础知识 芯片中各种值的含义 beta： $beta = \frac{M}{M+U+100}$ 表示某region的甲基化率 ≤0.2 完全未甲基化，(0.2,0.6) 部分甲基化 ，≥0.6完全甲基化 M：探针B（甲基化）的数目M A：探针A（非甲基化）的数目U 基因组上的分布 将整个基因组划分为Promoter, Body, 3UTR, Intergenic 4种区域，其中Promoter = "") 差异分析 按差异区域的长度不同分类 DMP：找出一个一个的差异甲基化CDG位点 DMR：（连续的差异片段）一个连续不断都比较长的差异片段，科学家们觉得，这样的连续差异片段，对于基因的影响会更加明显 DMB：（某个基因附近的全部甲基化探针）更大的差异化region区域。有的科学家觉得，DMR这样的区域还不够显著，DNA上的甲基化出现变化，可能是绵延几千位点的！ 位置 References https://mp.weixin.qq.com/s/-E50Jvzo8aNqVgvEB0nVGA https://mp.weixin.qq.com/s/JHrL_DqgQY6Yh18vHySKYg
1.1K50编辑于 2023-02-24 - 来自专栏医学数据库百科
RNA甲基化靶标预测
之前我们推荐过一些和RNA甲基化有关的数据库。其中当时总结了四个基于测序来预测RNA甲基化靶标的数据库。前段时间想查一下相关靶标的时候，发现这四个数据库都成了这个样子了。。。。 所以也就发现了另外一个基于测序数据来预测RNA甲基化的数据库：m6a2Target (http://m6a2target.canceromics.org/#/home)。 背景数据集介绍 由于是进行m6a靶向基因的检测。目前相关的检测都是基于m6a相关蛋白来进行检测的。所以数据库一开始就是要了解和m6a相关的蛋白都是哪些。 最终作者发现了和人类有关的m6a相关蛋白22个以及和老鼠有关的m6a相关蛋白14个。 在确定了相关蛋白之后，作者在SRA以及GEO等数据库当中检测了相关的测序数据。 其中为了确定m6a对于mRNA的影响。还和RNA-seq等数据进行了交叉比较。最终就有了的分析流程。 另外由于测序数据的分析可能存在一定的偏差。作者也进行了文献的检索。
57620编辑于 2021-12-14 - 来自专栏生信修炼手册
初识DNA甲基化芯片
测定甲基化的手段有很多，芯片作为一种成熟的手段，其稳定性，可重复性以及性价比，使得在DNA甲基化研究领域芯片占据了半壁江山。 从具体的探针数目也可以看出，450K 和 850K 是1个约数，用来表明探针的数量，覆盖的甲基化位点的个数。 探针是以甲基化位点为单位的，每个探针对应检测一个甲基化位点。 对于亚硫酸氢盐处理的DNA ，非甲基化的C会变成T , 而甲基化的C不会变。 对于II 型探针而言，设计的比较巧妙，它只需要1个bead type, 探针只涉及到甲基化位点的前一个碱基，在DNA 链的延伸阶段，根据延伸的碱基是A 还是 G , 从而判断是甲基化的C 还是非甲基化的 type 分别识别甲基化的C和非甲基化的C，II 型探针通过1个bead type 就可以区分甲基化的C和非甲基化的C。
1.7K10发布于 2020-05-09 - 来自专栏数据挖掘
MSP甲基化引物设计
MSP甲基化引物设计1.前置知识点1.1 实验原理DNA 甲基化是发生在CpG二核苷酸位点胞嘧啶上的一种重要表观遗传修饰，启动子区域的CpG甲基化通常与基因转录沉默密切相关。 基于这一差异，可以设计两组特异性引物进行甲基化特异性PCR（MSP）：甲基化引物（M引物）保留“C”，仅能扩增甲基化模板；非甲基化引物（U引物）将该位点视作“T”，仅能扩增未甲基化模板。 通过PCR产物的有无即可判断样本的甲基化状态：若仅M扩增则为甲基化，仅U扩增则为未甲基化，二者皆扩增则提示部分甲基化或样本混合。 （RefSeq Protein）由上面的NM_000125.4 mRNA翻译而来的蛋白质序列反应在基因组中的位置如下图，所以更为合理的做法找主转录本，如NM_000125.4 fasta序列，位于Ch6号染色体 151,807,682bp位置，将其向前延伸2000bp位置作为ESR1候选启动子区域，即6号染色体151805682～151807682区域2.2 使用MethPrimer预测引物使用 MethPrimer
1.1K10编辑于 2025-09-19 - 来自专栏生信技能树
6种免疫细胞的850K甲基化芯片和转录组测序数据资源
specify human immune cell epigenetic identity》，链接是：https://doi.org/10.1016/j.immuni.2021.10.001 就做了6种免疫细胞的 首先是6种免疫细胞的850K甲基化芯片数据 链接是；https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi? 数据 文章里面的ChIP-seq数据并不研究者自己产出的， 来自于 Roadmap 表观计划， 是：6 chromatin marks H3K4me3, H3K4me1, H3K36me3, H3K27me3 RNA-seq was carried out with RNA from each cell type from 26 donors across the age range (Figures S6A and S6B).
1K41编辑于 2021-12-27 - 来自专栏生信技能树
甲基化相关的习题背景补充
最近我在《生信技能树》安排了两个甲基化相关的学徒作业： 学徒任务-探索DNA甲基化的组织特异性 一个甲基化芯片数据被挖掘好几次（学徒作业） 有学徒表示虽然看了我在B站免费分享的视频课程《甲基化芯片（450K 非甲基化一般与基因的活化相关联 而去甲基化往往与一个沉默基因的重新激活相关联 DNA甲基化状态的遗传和保持： DNA复制后，新合成链在DNMT1的作用下，以旧链为模板进行甲基化。 特定染色质蛋白、组蛋白修饰或相当有序的染色质结构 DNA去甲基化： 主动去甲基化： ? 复制相关的去甲基化： 在复制过程中维持甲基化酶活性被关闭或维持甲基化酶活性被抵制。 全新甲基化|甲基化状态保持|去甲基化： ? 甲基化芯片 甲基化芯⽚主要是450K和850K，都是采⽤了两种探针Infinium Ⅰ 和Infinium Ⅱ对甲基化 进⾏测定； Infinium I采⽤了两种bead（甲基化M和⾮甲基化U） II只有
79671发布于 2020-10-26 - 来自专栏生信修炼手册
methylKit 进行差异甲基化分析
其核心功能是差异甲基化分析和差异甲基化位点和区域的注释。 每一行是一个甲基化位点，coverage 代表覆盖这个位点的reads数，freqC 代表甲基化C的比例，freqT 代表非甲基化C的比例。 执行差异分析 通过calculateDiffMeth函数来执行差异甲基化分析，用法如下 myDiff=calculateDiffMeth(meth) 根据甲基化C是变多了还是变少了，可以将差异甲基化的结果分为两大类 在methylKit中，它的差异分析总是针对合并后的甲基化表达谱，如果你的甲基化表达谱每一行是一个甲基化位点，那么差异分析的结果就是差异甲基化位点；如果你的表达谱每一行是一个甲基化区域，那么差异分析的结果就是差异甲基化区域 上面的例子都是针对差异甲基化位点的，下面看下差异甲基化区域的分析。
4.2K30发布于 2020-05-10
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号