- 综合排序
- 最热优先
- 最新优先
- 来自专栏用户7627119的专栏
RNA m6A检测方法
前面给大家简单介绍过m6A甲基化的概念，也给大家介绍了 ☞m6A甲基化数据分析流程 ☞corrplot展示m6a甲基化基因表达相关性 ☞m6a甲基化相关基因boxplot并显示p值 ☞m6a甲基化相关基因根据临床信息分组绘制 当然如果 total RNA 本身量比较少，建议直接用 m6A 抗体对 total RNA 进行富集。 第二步，对 RNA 进行抗体孵育和特异性富集。 这时候我们可以分出约占 m6A-IP 部分 RNA 只有 10%的 RNA 作为 input。当然如果是细胞样本比较充足，Input 和 IP 的比例可以直接是 1:1。 如果按照 1:1:1，简单来说用于 m6A IP 的 RNA 有,3μg，那么 Input、 IP 和 IgG 的 RNA 都在 1μg 左右（无论是 total RNA 还是 mRNA）。 接下来我们需要对m6A抗体和IgG抗体上洗脱下来的RNA，以及input的RNA，按照常规试剂盒要求进行洗脱，并用随机引物进行逆转录。 第四步，设计m6A-IP–qPCR 的特异性引物。
78210编辑于 2022-09-21 - 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。 该表示方法就称之为dot-bracket notation, 其核心思想是利用配对的括号来表示碱基的互补配对，用连续的点号来表示茎环结构，对于下图所示的二级结构。 ? 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。 ? 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 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。 进入RNA Structure界面，选择Predict a Secondary Structure ? 进入后，按要求提交数据 ? 等待得到预测的结果 ? 全文结束,欢迎在评论区讨论~
2.1K10发布于 2018-12-27 - 来自专栏DrugAI
Methods | RNA结构预测
实验手段可用，但 RNA 的“柔性”是最大挑战 传统的蛋白结构解析技术——包括 X 射线晶体学、核磁共振（NMR）以及冷冻电镜（cryo-EM）——同样可以用于研究 RNA 结构。 受 AlphaFold 启发，RNA 结构预测迎来深度学习浪潮 AlphaFold 的成功，也极大激发了研究人员将机器学习和深度学习方法引入 RNA 结构预测。 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。 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 - 来自专栏用户7627119的专栏
RNA m6A位点预测
前面已经给大家介绍过m6A甲基化的一些基本概念以及m6A的检测方法 ☞RNA甲基化 ☞m6A RNA甲基化修饰特征 ☞RNA m6A检测方法 也给大家分享过一些m6A相关的发文套路 ☞RNA m6A修饰发文套路大揭秘 ☞常见肿瘤RNA m6A修饰研究的最新发文套路解析 当然我们也会分享一些m6A数据分析相关的干货 ☞m6A甲基化数据分析流程 ☞MACS2软件call m6A甲基化peaks ☞corrplot展示m6a甲基化基因表达相关性 ☞m6a甲基化相关基因boxplot并显示p值 ☞m6a甲基化相关基因根据临床信息分组绘制boxplot并显示p值 在☞RNA m6A检测方法一文中我们介绍了 SRAMP网站还提供了RNA二级结构m6A位点结合预测功能，写材料，发文章，有个图不是更加美观？ 预测结果 点击“Draw”，RNA二级结构m6A位点预测图就出来了 SRAMP网站运算速度比较慢，如果需要预测的序列较多，有一台不错的电脑，可以自行下载SRAMP tool（压缩包大概
1.2K10编辑于 2022-09-21 - 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 ? 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 - 来自专栏数据科学（冷冻工厂）
RNA-seq 详细教程：样本质控（6）
然而，在 RNA-seq 数据中，方差随平均值增加。例如，如果直接对归一化读取计数矩阵执行 PCA，则结果通常仅取决于少数高表达的基因，因为它们在样本之间显示出最大的绝对差异。 这是一种非常重要的技术，用于质量控制和 Bulk RNA-seq 和单细胞 RNA-seq 数据的分析。3.1. 顶部的色块表示数据中的子结构，您会希望看到您的重复一起作为每个样本组的一个块。我们的期望是样本聚集在一起类似于我们在 PCA 图中观察到的分组。 Mov10 QC现在我们已经很好地理解了通常用于 RNA-seq 的 QC 步骤，让我们为 Mov10数据集进行 QC。5.1. 因此，要做的第一件事是使用名为 assay() 的函数，从 rld 对象检索该信息，该函数将 DESeqTransform 对象中的数据转换为简单的二维数据结构。
2.5K41编辑于 2023-01-29 - 来自专栏数据科学（冷冻工厂）
RNA-seq 详细教程：样本质控（6）
这是一种非常重要的技术，用于质量控制和 Bulk RNA-seq 和单细胞 RNA-seq 数据的分析。 3.1. 顶部的色块表示数据中的子结构，您会希望看到您的重复一起作为每个样本组的一个块。我们的期望是样本聚集在一起类似于我们在 PCA 图中观察到的分组。 Mov10 QC 现在我们已经很好地理解了通常用于 RNA-seq 的 QC 步骤，让我们为 Mov10 数据集进行 QC。 5.1. 因此，要做的第一件事是使用名为 assay() 的函数，从 rld 对象检索该信息，该函数将 DESeqTransform 对象中的数据转换为简单的二维数据结构。 metadata object pheatmap(rld_cor, annotation = meta) 当您使用 pheatmap() 进行绘图时，层次聚类信息用于将相似的样本放在一起，并且该信息由沿轴的树结构表示
1.3K30编辑于 2023-02-27 - 来自专栏数据科学（冷冻工厂）
RNA-seq 差异分析的细节详解 (6)
本系列[1] 将开展全新的转录组分析专栏，主要针对使用 DESeq2 时可能出现的问题和方法进行展开描述。想要学习更多内容可以添加文末的学习交流群或客服QQ。
52810编辑于 2025-01-13 - 来自专栏用户7627119的专栏
RNA m6A修饰发文套路大揭秘
作为近年来CNS期刊的热点和国自然的热门，RNA的表观遗传学研究受到很高的重视，其中最具代表的是N6-甲基腺嘌呤(N6-methyladenosine，m6A)，即发生在RNA分子腺嘌呤第6位氮原子上发生甲基化修饰 m6A在细胞加速mRNA代谢和翻译，以及在细胞分化、胚胎发育和压力应答等过程中起重要作用。m6A除了分布在mRNA中，也出现在很多非编码RNA中，如：环状RNA、LncRNA等。 图3.m6A与肿瘤相关国自然课题学科分类(科学网数据库) RNA 甲基化m6A修饰作为2019年国自然申请中的黑马，2019年m6A RNA甲基化项目共计179项，总金额1.1亿元左右，单项目最高获批金额有 下图清晰展示了RNA m6A修饰在不同学科研究中的获批情况，绝大多数项目都是与医学（健康或疾病） 相关。医学疾病领域，肿瘤仍然是最主要的方向，约77项。 为了方便大家在RNA m6A修饰领域的研究，这里小编特地为大家整理了RNA m6A修饰研究发文套路大揭秘！接下来让我们一起来康康，有了这个宝典，就不愁怎么做RNA m6A研究啦。 ? ? ? ? ?
1.4K10发布于 2020-08-06 - 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 - 来自专栏单细胞天地
RNAvelocity6：scVelo用于RNA 速率基本流程
在这里，您将学习RNA速率分析的基本流程。 示例数据采用胰腺发育数据集，其谱系包含四个主要细胞命运：α、β、δ和ε细胞。有关详细信息，请参阅此处[1]。可以按照相同的思路应用于您自己的数据。 X_umap' layers: 'spliced', 'unspliced' scVelo 是基于adata，存储了数据矩阵adata.X、观测注释adata.obs、变量adata.var和非结构化注释的对象 估计RNA速率 速率是基因表达空间中的载体，代表单个细胞运动的方向和速率。 请参阅此处的GIF[6]，了解如何解释剪切与未剪切的图像。基因活动是由转录调节的。特定基因的转录诱导导致（新转录的）前体未剪切 mRNA 增加，而相反，抑制或没有转录会导致未转录 mRNA 的减少。 循环祖细胞的速率 RNA速率检测到的细胞周期，通过细胞周期分数（相标记基因平均表达水平的标准化分数）在生物学上得到了确认。
4.9K20发布于 2021-09-15 - 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。 然而，由于实验确定的RNA结构稀缺，作者对RNA结构的了解仍然有限。蛋白质数据库(PDB)包含大约6000个条目，其中包括RNA分子，这仅占整个PDB条目的约3%。 这两个网络模型在测试集上表现相似，将25个RNA目标折叠在6Å的RMSD范围内，并且在平均RMSD和GDT-TS值上表现相当。 测试集中所有短于50个核苷酸(nt)的小RNA目标都在6 Å RMSD内折叠，而对于超过100 nt的目标，RMSD较大的目标比例增加。这一趋势在测试集和验证集中都有观察到。 在测试集中23个MSA有效计数少于100的目标中，39.3%的目标RMSD大于6Å。在验证集中，31个有效计数少于100的目标中，45.2%的目标RMSD大于6Å。
45210编辑于 2025-02-26 - 来自专栏数据科学（冷冻工厂）
R中单细胞RNA-seq分析教程 (6)
引言 本系列开启R中单细胞RNA-seq数据分析教程[1]，持续更新，欢迎关注，转发！ 简介 现在，很少有人只进行一次单细胞RNA测序实验并仅产生一份数据。 原因很直接：目前的单细胞RNA测序技术每次只能捕捉到有限样本的分子状态。为了在多个实验和不同条件下对众多样本进行测量，通常需要对来自不同实验的单细胞RNA测序数据进行联合分析。 因此，与处理常规RNA-seq数据一样，批次效应往往是需要解决的关键干扰因素。 在本教程将介绍几种单细胞RNA测序数据整合的方法。需要记住的是，目前还没有一种整合方法能够适用于所有情况。 原始未经校正的数据仍然保留，在默认名为RNA 的原始Assay 对象中。 因此，建议在进行其他分析，例如识别聚类标记和进行可视化时，改用未经校正的表达值，方法是将DefaultAssay 切换回RNA。
56710编辑于 2024-12-30 - 来自专栏生命科学
MCE | 表观遗传：YTHDF蛋白调节 m6A-RNA
和 ALKBH5； Reader直接识别和结合 m6A 位点，使 m6A 修饰的 RNA 发挥特定的作用，主要包括 YTHDC1、YTHDF1、YTHDF2、YTHDF3 等。 首先，研究人员观察DF1 和 DF2 YTH 结构域与含有 m6A 的 RNA 的结合，发现在整个转录组中，DF 蛋白结合 m6A 的氨基酸以及结合近端的氨基酸都是保守的，因此三个 DF 蛋白与 m6A 结合的结构机制是相同的。 再结合已报道的 PAR-CLIP 数据，发现即使用不同的细胞系和不同的 CLIP 方法，DF 旁系同源物的 RNA 结合基本相同。因此，DF 旁系同源物的 m6A 结合模式相同。 抑制剂；在体外对 FTO 有抑制作用 Rhein 可逆地与 FTO 催化结构域结合，并竞争性地阻止了对 m6A 修饰底物的识别 Entacapone 特异的外周活性的邻苯二酚-O-甲基转移酶
49020编辑于 2023-03-15 - 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？
中文标题：RNA 功能决定于其结构 —— 为什么预测它如此困难？ 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。 科学家希望通过解析RNA的三维结构来揭示其功能机制，体现“结构决定功能”的生物学经典理念。 正如李喻所说：“在生物学中，我们假设序列决定结构，结构决定功能。” 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。
34700编辑于 2025-03-28 - 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 www.unafold.org http://www.unafold.org/ 1.设置任务名 2.输入核苷酸序列 3.点击运行fold 4.点击输出页面的vienna，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’ ? 服务器 CentroidFold http://rtools.cbrc.jp/centroidfold/ 1.输入核苷酸序列 2.点击运行 3.计算结束后点击txt，即可得到‘点括号’形式的二级结构
7.8K22发布于 2021-01-26
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