- 综合排序
- 最热优先
- 最新优先
- 来自专栏生信小驿站
RNA结构分析（2）通过核苷酸序列预测二级结构
（1）RNAfold 服务器 1.输入核苷酸序列 2.点击运行 RNAfold web server http://rna.tbi.univie.ac.at/cgi-bin/RNAWebSuite ，得到‘点括号’形式的二级结构 ? （4）Vfold2D服务器 Vfold2D http://rna.physics.missouri.edu/vfold2D/ 1.设置任务名 2.输入核苷酸序列，输入邮箱 3.点击运行 4.点击模型 ，生成二级结构‘点括号’ ? ，即可得到‘点括号’形式的二级结构 ?
7.8K22发布于 2021-01-26 - 来自专栏生信小驿站
RNA二级结构（1）从pdb文件注释RNA二级结构
介绍RNA二级结构 对于RNA的二级结构，最直观的肯定是用图片表示，示意如下： ? 图片对于分析人员是特别直观的，但是对于软件而言，就无法识别了。 为了让程序识别RNA二级结构，专门开发出了一种表示方式，用点号和括号这两种符号来表示对应的二级结构。 从左下角第一个黑色圆点对应的碱基开始，一开始是3个配对碱基，所以先用3个(表示，接下来是茎环结构中未配对的两个碱基，用2个.表示，然后是4个配对碱基，再然后是未配对的3个碱基，再往后的配对碱基与前面左括号 介绍RNA二级结构 RNApdbee 2.0: multifunctional tool for RNA structure annotation ? 使用RNApdbee2.0来注释RNA二级结构 ? 上传pdb文件，选择默认参数，点击run即可。 ? 便可以得到dot bracket格式的RNA二级结构。
2.9K11发布于 2021-01-20 - 来自专栏HUBU生信
RNA二级结构预测
trna二级结构的预测可使用RNA Structure的预测服务器 http://rna.urmc.rochester.edu/RNAstructureWeb/index.html。 例：预测爬行动物北美绿色安乐蜥的tRNA trna166-ArgTCG 的序列的二级结构 进入gtrnadb数据库查找trna166-ArgTCG 的序列 1.gtrnadb下载脊椎动物序列集，进入[Download 查找Anolis_carolinensis_chr2.trna166-ArgTCG序列: grep -n -o "Anolis_carolinensis_chr2.trna166-ArgTCG" eukaryotic-tRNAs.fa trna166.txt 查看序列： cat Anolis_carolinensis_chr2_trna166.txt ? 3.将序列文件导入到RNA Structure的预测服务器 http://rna.urmc.rochester.edu/RNAstructureWeb/index.html 进行结构预测。
2.1K10发布于 2018-12-27 - 来自专栏生信小驿站
预测RNA三级结构
RNAComposer http://rnacomposer.cs.put.poznan.pl/ 输入RNA序列和二级结构，邮箱地址，点击compose即可。 ? 2. 3dRNA-2.0 http://biophy.hust.edu.cn/3dRNA ? 3. Vfold3D ? 4. 这四个rna三级结构预测的服务器网站都是需要序列和二级结构。 研究人员提出了一种快速的，基于RNA二级结构，构建RNA三级结构的自动化新方法——3dRNA。 由于RNA结构组织主要是由二级结构水平和三级作用上的拓扑约束编码决定，因此研究人员采用了一个两步法步骤，从最小的二级元件SSEs开始构建整个RNA三级结构。 具。
5.2K20发布于 2021-03-03 - 来自专栏DrugAI
Methods | RNA结构预测
DRUGONE 相比蛋白质，RNA 分子折叠结构的预测要困难得多，但这一领域正在稳步向前发展。 2021 年，AlphaFold2 的出现彻底改变了蛋白质结构生物学。 如今，CASP 已正式纳入 RNA 结构预测任务，为该领域提供了统一、客观的评测平台。此外，RNA-Puzzles 这一长期运行的国际竞赛，也持续推动 RNA 结构预测方法的创新与对比评估。 最大瓶颈：RNA 结构数据仍然严重不足 尽管方法不断进步，RNA 结构预测仍面临一个根本性制约：高质量实验数据的匮乏。 目前，Protein Data Bank（PDB）中仅有约 2,000 个纯 RNA 结构，而蛋白质结构的数量已经超过 20 万个。这一数量级差距，极大限制了机器学习模型的训练规模与泛化能力。 展望：实验突破 + AI 方法，或将破解 RNA 结构密码 研究人员期待，随着实验技术的进一步发展，RNA 三级结构解析能够变得更加常规和高通量。
27720编辑于 2026-01-06 - 来自专栏Y大宽
RNA-seq(2)-2:下载数据
文章：AKAP95 regulates splicing through scaffolding RNAs and RNA processing factors. 共下载7个文件，我仿写了个代码，如下： 运行起来速度还是很好，平均5M/S. cd /mnt/f/rna_seq/data for ((i=56;i<=62;i++));do ascp -QT -v term=SRP007560 （这个过程我是反着来的，现在SRA找到合适的数据，然后再下载文章） 具体信息见这里和这里 需要下载的四个数据为SRR316212 -215 同样，代码为 for ((i=2;
1.1K40发布于 2018-09-10 - 来自专栏医学数据库百科
UFold | RNA二级结构预测
在 [[DNA转录过程介绍]] 介绍当中，我们知道 DNA 通过转录可以形成一条单一链的 RNA。虽然从线性角度而言的话，RNA 是单链的。但是细胞内的 RNA 可以通过折叠形成 RNA 的二级结构。 RNA 二级结构的形成在很大程度上取决于核苷酸碱基配对，包括经典碱基配对——A-U、C-G 和非 Watson-Crick 配对 G-U，以及非经典碱基配对[1]。 RNA 的二级结构除了维持 RNA 本身的稳定性之外，其也可以参与一些基因的调控作用。 因此了解一个 RNA 的二级结构还是十分重要的。 所以今天就介绍一个最近发表的基于深度学习的 RNA 二级结构预测工具。 输入完成之后，点击Submit 即可得到预测的预测的 RNA 的二级结构。 关于 RNA 二级结构的预测工具目前已经有很多了。基于 Ufold 的原始文献，作者比较了多个 RNA 二级结构预测工具。
4.2K30编辑于 2021-12-10 - 来自专栏单细胞天地
RNA Velocity and Beyond 系列2—Model
"On the Mathematics of RNA Velocity I: Theoretical Analysis." 没看过前文的可以考虑先看前文 RNA Velocity and Beyond 系列1—Introduction Model ? 回忆上文， RNA velocity 的关键在于利用 splicing 这一蕴含时间的动力学过程来刻画，从而在原来的 snapshot 中引入 velocity。 Case 2:β＝γ 和之前的区别大概就只是数值求解上的区别。所以对于 on stage 的解就是 ? 其中t≤ts，如果此时(u0,s0)≡(0,0)可以得到这段时间的解为 ? Inference of RNA velocity 有了上面的模型，那么下一步就是通过数据来拟合这些参数。ts，α，β，γ。
60031发布于 2021-04-16 - 来自专栏生信课程note＋实验知识
RNA-seq下游分析-2
#RSEM定量后直接生成FPKM，无需标准化#RNA-seq下游-1有些混乱，重新整理#与原文存在差异的原因是原文mRNA-seq要对注释gtf文件对进行过滤甲基化区域和polyA尾以及原文用的hg19 ---title: "RNAseq-下游分析-2"output: html_documentdate: "2023-10-26"---R Markdown#RSEM定量后直接生成FPKM，无需标准化#RNA-seq database1[,c(1,2,3,4)]colnames(database2) <- c("BHLHE40-rep1","BHLHE40-rep2","Control-rep1","Control-rep2 "dbplyr")database <- round(as.matrix(database2))condition <- factor(c(rep("treat",2),rep("control",2) png")ggsave("venn2.png")library(ggplot2)#聚类图vsd <- vst(dds2, blind = FALSE)sampleDists <- dist(t(assay
75520编辑于 2023-10-26 - 来自专栏生信修炼手册
RNAfold预测RNA的二级结构
在mirdeep软件的分析结果中，会提供miRNA前体的二级结构，这个结果实际上是通过调用RNAfold来实现的，该软件是一个经典的预测RNA二级结构的软件，网址如下 http://rna.tbi.univie.ac.at 默认参数会输出以下两种二级结构 1. optimal secondary structure 最佳二级结构，保证对应的自由能最小，最小自由能简称MFE, 结果示意如下 ? 2. centroid secondary structure ? 自由能表征改变这个结构需要注入的能量大小，对应的数值越小，该结构越稳定。 同时给出了可视化结果，示意如下 ? 这个程序也是可以下载到本地运行的，基本用法如下 RNAfold < hsa.hairpin.fa -noPS > precursors.str -noPS参数代表不产生二级结构对应的postscript ，上述用法只给出了最佳的二级结构预测结果和对应的自由能。
4.3K30发布于 2020-05-08 - 来自专栏生信修炼手册
使用CIRCexplorer2识别环状RNA
CIRCexplorer是一款环状RNA预测软件，专门用于预测exonic circRNA，网址如下 https://github.com/YangLab/CIRCexplorer2 环状RNA的识别包含了序列比对和环状 RNA预测两步，该软件目前更新到了v2版本，相比v1版本，用法有较大变化。 ;Assemble用于组装环状RNA的转录本序列；Denovo根据序列组装结果，识别新的环状RNA和分析环状RNA上的可变剪切事件。 针对单端序列的比对，代码如下 CIRCexplorer2 align \ -G hg19.gtf \ -i bowtie1_index \ -j bowtie2_index \ -f RNA_seq.fastq hg19_ref.txt 预测环状RNA的代码如下 CIRCexplorer2 annotate \ -r hg19_ref.txt \ -g hg19.fa \ -b back_spliced_junction.bed
1.4K20发布于 2019-12-19 - 来自专栏Y大宽
1️⃣ 序列获取（2）：RNA序列获取
1 ncRNAdb(noncoding RNA database) 虽不编码蛋白质，但是参与包括染色质结构重建，基因表达层面的转录和翻译调控，亚细胞位置等调控。 主要来自于 1 主要：ncRNAdb -- Noncoding regulatory RNAs database：通过以下方式获取 Search search by organism name, RNA 30,000 sequences; 66,4 MB) Browse Information pages Download Download the sequences in FASTA format 2 哺乳动物RNAdb: mammalian noncoding RNA database 3 fRNAdb: functional RNA database 4 Rfam: database of noncoding RNA families 5 miRBase: microRNA database 可检索公开发表的miRNA序列和注释信息 可获得和下载miRNA的发卡和成熟序列 可下载miRBase中所有序列和注释
1.7K20发布于 2019-01-28 - 来自专栏DrugOne
. | RNAmigos2打造RNA结构筛选加速器
该方法在结构多样、未知RNA靶点中依然表现稳定，并在一项2万个化合物的体外筛选实验中成功识别RNA靶点活性化合物，实现结构基础深度学习筛选RNA小分子的首次实验证明。 研究概览 RNAmigos2 旨在基于RNA结构实现快速小分子筛选。整个流程以RNA结合位点的三维结构或碱基配对网络及候选化合物列表为输入，输出每个化合物的结合评分。 更重要的是，RNAmigos2在提升命中多样性方面也表现出色。相比仅聚焦某一类RNA配体的模型，RNAmigos2能识别结构多样的活性化合物，有助于后续优化并降低潜在失败风险。 研究人员认为，RNAmigos2将与新兴的RNA分子设计工具以及最新支持核酸结构的AlphaFold3模型协同发展，推动下一代RNA药物发现。 同时，RNAmigos2可仅依赖低分辨率结构信息（如碱基对），即开展结构基础筛选，在面对海量潜在RNA靶点时，这一特性将成为挖掘全基因组RNA治疗靶标的重要利器。
35910编辑于 2025-03-24 - 来自专栏DrugOne
. | 深度学习赋能RNA研究，NuFold实现精确RNA结构预测
理解其功能的机械机制需要三级结构信息；然而，实验测定RNA三维结构既昂贵又耗时，导致RNA序列和结构数据之间存在巨大差距。 与AF2对氨基酸所做的一样，这些定义在RNA中被硬编码。这种RNA核苷酸的表示可以重现核苷酸构象的完整动态。 在图1c中，作者展示了核苷酸的两种不同构象，C3'-endo和C2'-endo糖构象。 然而，选择最佳结构并不容易，因为pLDDT几乎单调地随循环迭代增加，并不能精确指示最佳结构(图2d)。 IPknot、MXfold2和SPOT-RNA的皮尔逊相关系数分别为-0.104、-0.174和-0.595。在图3d-f中，作者移除了MSA输入，试图看到二级结构预测准确性对建模性能的更清晰影响。 如附表2所示，与没有二级结构信息的Nufold相比，添加预测或真实的二级结构信息平均改善了RMSD。
45210编辑于 2025-02-26 - 来自专栏DrugOne
. | 实验×AI：加速RNA结构测定
DRUGONE RNA 是细胞内关键的功能分子，其生物学作用高度依赖复杂而动态的三维结构。然而，RNA 的高度柔性、电荷特性以及对环境的敏感性，使其结构解析长期面临挑战。 近年来，随着冷冻电镜等实验技术的突破，以及受蛋白结构预测成功启发的人工智能方法兴起，RNA 结构解析进入快速发展阶段。 AI 驱动的 RNA 结构预测 受蛋白结构预测革命性进展的推动，研究人员将深度学习引入 RNA 三维结构预测。 然而，由于 RNA 结构数据稀缺、进化信号弱以及动力学信息缺失，自动化预测仍难以全面超越人工专家。 图2 | AI 驱动的 RNA 结构预测流程及典型预测示例。 未来的重要方向包括：识别并优先解析更多结构多样的新型 RNA、通过 AI 降低高分辨实验的门槛以加速结构测定流程，以及发展更具结构感知能力的 RNA 语言模型与生成模型。
13710编辑于 2026-01-13 - 来自专栏生信菜鸟团
RNA 结构预测为什么比蛋白质难？
AlphaFold 蛋白质结构数据库现已收录约2亿个结构，2024年其开发者因此荣获诺贝尔化学奖的一半。 但这仅限于蛋白质。 2022年，CASP将挑战目标转向另一类复杂但极其关键的生物大分子：RNA。 RNA结构预测为何更难？ 与蛋白质类似，RNA结构的解析也依赖昂贵且耗时的实验方法，而计算方法可以成为辅助工具。 结构预测：蛋白质遥遥领先 RNA结构预测工具的发展远落后于蛋白质。即便是AlphaFold的最新版本 AlphaFold3，在RNA结构预测方面表现也十分有限。 RNA结构的特殊挑战 与蛋白质相比，RNA分子具有更灵活的骨架，且结构更加动态，在完成功能时可能发生显著构象变化。 2025年2月底，Das 团队与CASP与 RNA-Puzzles 合作发起新挑战，目标是创建全自动RNA三维结构预测模型，精准度可与专家媲美。
34600编辑于 2025-03-28 - 来自专栏DrugAI
. | ERNIE-RNA: 一种引入结构增强表示的 RNA 语言模型
ERNIE-RNA 的注意力图在零样本条件下即可显著捕捉 RNA 的结构特征，甚至优于传统计算方法，说明模型在预训练过程中自然学会了 RNA 的结构模式。 RNA 不仅承担遗传信息的传递功能，还参与调控、结构构建等多种生物过程。RNA 的一级序列会折叠形成稳定的二级与三级结构，这些结构最终决定其功能。 预训练阶段已自然形成结构感知能力 注意力图的 RNA 二级结构零样本预测性能 研究人员将注意力图直接视为碱基配对概率矩阵，用于零样本 RNA 二级结构预测。 跨族泛化（bpRNA-new 与 RNA3DB-2D） 这些集合包含训练集中未出现的 RNA 家族，是最严格测试。 ERNIE-RNA 冻结模型在 bpRNA-new 上 F1 = 0.646（优于所有深度模型）； 在超小训练集的 RNA3DB-2D 上仍保持最强深度学习表现。
16820编辑于 2026-01-06 - 来自专栏Y大宽
RIsearch2使用方法-预测RNA-RNA互作（sRNA的靶基因）
RIsearch2是RNA-RNA相互作用预测工具，可以在给定的query和target序列之间形成互补定位。 使用基于suffix arrays的seed-and-extend框架，RIsearch2可以发现RNA-RNA相互作用关系，这种发现可以基于基因组或转录组。 用户定义的seed and extension constraints 使得 RIsearch2 可应用于所有类型的RNA-RNA相互作用预测。 -p或-p2也将返回互作结构，这需要通过动态编程矩阵进行回溯。 具有压缩互作结构的额外列添加到默认输出表中。
3.4K30发布于 2018-09-30 - 来自专栏数据科学（冷冻工厂）
RNA-seq 详细教程：实验设计（2）
学习目标 了解设置重复对于 RNA-seq 分析的重要性 了解生物重复次数、测序深度和鉴定到的差异表达基因之间的关系 了解如何设计RNA-seq 实验，以避免批次效应 1. 注意事项 了解 RNA 提取和 RNA-seq 文库制备实验过程中的步骤，有助于设计 RNA-seq 实验，但有一些特殊的注意事项需要明确： 重复次数和类型 避免混淆 处理批次效应 2. 对 RNA 质量进行质控。 其他类型的 RNA 分析（内含子保留、small RNA-Seq 等）： 取绝于具体的分析 总之，尽量做生物学重复。 3. 是否同一个人对所有样品进行了 RNA 提取与文库制备？ 是否对所有样品使用了相同的试剂？ 是否在同一地点进行 RNA 提取与文库制备？ 如果任何一个答案是“否”，那么就存在批次效应。 5. 重复次数越多越好（超过 2 个）。 Hicks SC, et al., bioRxiv (2015) 请务必在实验数据中包含批次信息。
49920编辑于 2023-02-27 - 来自专栏Y大宽
RNA-seq(5):序列比对：Hisat2
/rna_seq/data$ hisat2 -h HISAT2 version 2.1.0 by Daehwan Kim (infphilo@gmail.com, www.ccb.jhu.edu/people /f/rna_seq/data/SRR35899${i}.sra_1.fastq.gz -2 /mnt/f/rna_seq/data/SRR35899${i}.sra_2.fastq.gz -S SRR35899 /genome -1 /mnt/f/rna_seq/data/SRR35899${i}.sra_1.fastq.gz -2 /mnt/f/rna_seq/data/SRR35899${i}.sra_2. /mnt/f/rna_seq/data/SRR35899${i}.sra_1.fastq.gz -2 /mnt/f/rna_seq/data/SRR35899${i}.sra_2.fastq.gz -S mnt/f/rna_seq/data/SRR35899${i}.sra_1.fastq.gz -2 /mnt/f/rna_seq/data/SRR35899${i}.sra_2.fastq.gz -S
5.9K22发布于 2018-09-10
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