- 综合排序
- 最热优先
- 最新优先
- 来自专栏智能生信
用纳米孔RNA测序直接识别A-I编辑位点
今天给大家带来一篇新加坡南洋理工大学有关RNA修饰使用纳米孔测序进行检测的文章。 作者使用了牛津纳米孔直接对RNA测序，用于鉴定天然转录组中含肌苷的位点，提出了Dinopore (Detection of inosine with nanopore sequencing)。 在测序reads中，肌苷被鸟苷取代，从RNA-seq数据中获得的变异调用可以归因于RNA编辑位点、单核苷酸多态性(SNPs)或DNA突变。 Illumina测序reads较短，可能导致错误定位，特别是在短外显子或重复区域，并产生错误位点。这种方法是间接的，因为RNA必须转化为DNA，才能在Illumina平台上进行测序。 4. 三代测序长度长且包含有位点信息，可以作为检测的输入。
94110编辑于 2022-12-29 - 来自专栏全栈程序员必看
单细胞测序流程(单细胞rna测序)
系列文章目录 文章目录 单细胞测序流程（一）简介与数据下载 单细胞测序流程（二）数据整理 单细胞测序流程（三）质控和数据过滤——Seurat包分析，小提琴图和基因离差散点图 单细胞测序流程（四） 主成分分析——PCA 单细胞测序流程（五）t-sne聚类分析和寻找marker基因 单细胞测序流程（六）单细胞的细胞类型的注释 单细胞测序流程（七）单细胞的细胞类型轨迹分析 单细胞测序流程（八）单细胞的 marker基因转化和GO富集分析 单细胞测序流程（九）单细胞的GO圈图 本期主讲内容——单细胞的kegg富集分析和圈图 咱们在上一个课程中进行了GO圈图绘画，但是我富集分析并不只是有GO，kegg 提示：以下是本篇文章正文内容，下面案例可供参考 一、课前准备 之前所使用的数据（之前课程中运行结果的数据id.txt） R语言的IDE 二、使用步骤 将准备数据和脚本放在一起，直接运行R的脚本即可， setwd 单细胞测序流程所有课程到这里就已结束了 以后我会更新一写现在比较流行的tcga挖掘 发布者：全栈程序员栈长，转载请注明出处：https://javaforall.cn/127991.html原文链接：
2.2K42编辑于 2022-07-31 - 来自专栏天意生信俱乐部
三代测序100问（19）：纳米孔直接RNA测序分析流程（下）——从序列到生物学洞见
在上一期节目中，我们一同梳理了纳米孔直接RNA测序（DRS）数据从原始信号到高质量碱基序列的预处理流程。今天，我们将接续上期内容，深入探讨如何从这些信息丰富的序列数据中，挖掘出有价值的生物学发现。 表达量定量： 我们可以使用在长读长转录组分析中综合测评表现优异的IsoQuant工具，直接对DRS数据进行处理。 核心分析五：RNA碱基修饰分析——表观转录组的直接解码 这是DRS技术最独特、最具革命性的应用之一。 这使得我们能够在全转录组水平上，绘制RNA修饰的动态图谱，揭示其在基因表达调控、疾病发生发展中的作用。 总结与展望 通过这两期节目，我们带领大家系统地梳理了纳米孔直接RNA测序从原始数据到生物学结论的完整分析内容和流程，并为每个关键步骤推荐了相应的常用软件工具。
29910编辑于 2025-11-20 - 来自专栏DrugOne
. | 深度学习结合纳米孔直接RNA测序: 全面解析RNA修饰的动态变化与相互调控
研究人员提出了 ORCA，一种基于深度学习与纳米孔直接 RNA 测序的通用计算框架，用于系统解析 RNA 修饰的动态分布及其串扰关系。 现有基于免疫富集或化学处理的测序方法通常只能针对单一修饰类型，难以在转录组尺度同时解析多种修饰。 纳米孔直接 RNA 测序能够直接读取天然 RNA 分子产生的电流信号，为多修饰检测提供了可能，但现有方法多依赖体外合成训练数据或条件对比策略，难以实现无偏、泛化的多修饰解析。 结果 ORCA 实现多种 RNA 修饰的统一检测 ORCA 能够基于纳米孔直接 RNA 测序信号，在不依赖特定修饰训练数据的情况下，准确检测多种 RNA 修饰，并定量其修饰比例。 RNA 修饰串扰与剪接调控密切相关 ORCA 揭示了相邻 RNA 修饰位点之间普遍存在协同或互斥关系，并发现这些修饰组合与 RNA 剪接因子结合显著相关，提示 RNA 修饰在转录本异构体调控中具有重要作用
21210编辑于 2026-01-26 - 来自专栏天意生信俱乐部
三代测序100问（18）：纳米孔直接RNA测序分析流程（上）——从原始信号到高质量序列
在前面的系列文章中，我们一同领略了纳米孔直接RNA测序（Direct RNA Sequencing, DRS）技术如何为我们打开一扇直视RNA“原始手稿”的窗户。 正如我们所知，DRS技术能够在一个测序反应中，完整地记录RNA分子的多维度信息。 第一步：原始数据格式——从FAST5到POD5的演进 分析之旅的起点，是测序仪产生的最原始的电流信号数据。 在纳米孔测序的历史中，存储这些信号的格式经历了一次重要的演进： FAST5格式： 这是早期纳米孔测序平台采用的标准格式。 第三步：质量评估与过滤——确保数据纯度 在获得初步的碱基序列后，我们并不能直接进入下游分析，而是需要对其进行严格的质量评估和过滤。
37810编辑于 2025-11-20 - 来自专栏简说基因
RSeQC：RNA测序质量控制的利器
在RNA测序（RNA-Seq）数据分析中，数据质量的好坏会直接影响最终结果。如何有效地评估RNA-Seq数据的质量？ 它提供了一系列实用的质量控制模块，能够评估数据的多种指标，包括测序偏好、文库复杂性、基因覆盖度等，帮助你在分析RNA-Seq数据时找出潜在问题。 RSeQC的主要功能 测序偏好分析 RNA-Seq数据有时会显示出特定碱基的测序偏好。RSeQC的测序偏好分析工具 可以帮助你查看不同位置的碱基读取情况，检测是否存在偏好性。 RSeQC的插入片段分布分析 能检测文库中的插入片段是否在合理范围内，避免片段过长或过短导致的测序偏差。 外源污染检测 如果样本中存在体外RNA污染，会对数据分析带来干扰。 RSeQC的优缺点 优点 • 多功能化：RSeQC涵盖了测序数据质量控制的多个重要方面，适合RNA-Seq数据的全方位质量检查。
43810编辑于 2024-12-23 - 来自专栏用户7627119的专栏
纳米孔RNA直接测序技术揭示了新冠病毒的转录组和表观转录组信息
这篇文章结合了两种测序方法，Direct RNA sequencing (DRS)和sequencing-by-synthesis (SBS)，明确地绘制了SARS-CoV-2的亚基因组RNA（subgenomic SARS-CoV-2的转录组结构 用MinION纳米孔测序仪进行了DRS测序，获得了879,679个reads（1.9 Gb）（图1A）。 已知DRS无法对末端12 nt进行测序，因此序列的5’末端缺失了12 nt（图1B）。病毒基因组3’端的覆盖度明显高于5’端，这也反映了RNA直接测序从RNA3’端开始测序的特点。 为了明确研究RNA修饰，作者通过体外转录病毒序列生成了阴性对照RNA，并对阴性对照进行了直接RNA测序。注意到阴性对照和病毒转录本之间的离子电流之间的差异非常有趣（图6A）。 图6A–6C，S RNA上比N RNA修饰的位点更多，与S RNA相比ORF8 RNA上的修饰频率更高。
1.1K20发布于 2020-08-07 - 来自专栏生信技能树
RNA芯片和测序技术的比较（学徒作业）
前面我们介绍了表达量研究领域的，基因芯片和RNA-seq测序技术，并且把详细的学习资料和视频教程免费共享在了B站。 ? 有学员提出来了一个问题，就是可以比较同样实验设计的表达量探索研究，一个研究使用的是芯片，一个是测序，看看两者的差异基因情况的overlap情况。其实这样的例子非常多，比如下面这样的展现方式： ? NPC癌症组织与正常组织的RNA-seq 数据集是 https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi? Total RNA were extracted from these samples, and analyzed by RNA-sequencing. ，不过这个数据集本来就提供原始测序数据下载，也可以很方便的自己走一波数据分析流程拿到自己的表达矩阵。
1.3K10发布于 2020-06-03 - 来自专栏生信小驿站
一文解决RNA测序资料的差异
本文目标： （1）使用edger包做TCGA数据库RNA-seq数据差异分析 （2）使用deseq包做TCGA数据库RNA-seq数据差异分析 （3）使用limma包做TCGA数据库RNA-seq 数据差异分析 （4）如何在没有生物学重复的情况下（比如说只有两个样本，来求取差异基因） DESeq2和EdgeR都可用于做基因差异表达分析，主要也是用于RNA-Seq数据，同样也可以处理类似的ChIP-Seq edgeR 在默认情况下，执行TMM标准化程序以考虑样本之间的不同测序深度，通过Benjamini-Hochberg用于控制FDR 。 Limma包基于线性模型建模。 它最初设计用于分析微阵列数据，但最近已扩展到RNA-seq数据。 DESeq使用类似于edgeR的负二项式模型，与edgeR类似，执行缩放因子归一化以考虑不同样本的变化的测序深度，并且Benjamini-Hochberg用于控制FDR。
1.8K30发布于 2019-06-15 - 来自专栏用户7627119的专栏
为什么要选择单细胞核RNA测序？
为什么要选择单细胞核RNA测序而非单细胞RNA测序 ——单细胞核RNA测序的优势！ 单细胞RNA测序技术的高通量和敏感性使其非常适合于全面绘制细胞状态的变化。 但是现实实验得到的结果确不是这样的，相信做过单细胞测序的科研人员都会遇到以下这样的问题： 单细胞RNA测序不能准确地捕获组织中所有细胞类型（比如肾脏，脑），因为单细胞解离本身可能损害敏感细胞。 目前的方法与冷冻样本材料不兼容（冷冻样本不能用于单细胞测序），但是有的时候，临床所取的样本需要等待病理诊断后才能去做单细胞测序（比如肾脏活检样本），因此为了保证样本的RNA稳定性，需要进行冻存。 ? Humphreys团队通过比较分析了肾脏组织的单细胞RNA测序(scRNA-seq)和肾脏组织的单细胞核RNA测序(snRNA-seq)，在肾脏细胞类群鉴定中的区别，该研究成果发表在肾脏病学顶尖国际期刊 由于这项研究中用到的细胞都是实验室容易获得的，在今后，当研究者需要评估一种新的scRNA-seq方法或改进scRNA-seq方法时，她们可以直接比较他们所得新数据和这项研究中所得数据，而不需要重复已有实验
2.8K33发布于 2020-09-14 - 来自专栏用户7627119的专栏
干货 | 一文了解单细胞核RNA测序
但并不是所有的组织都适用于单细胞RNA测序，现阶段单细胞RNA测序研究的一个极大的挑战仍是如何获得高质量的单细胞悬浮液。 本文将从各个角度比较单细胞RNA测序与单细胞核RNA测序之间的差异，旨在为科研工作者后期选择研究不同组织的测序方法提供依据。 细胞核内转录加工过程发生了什么？ （图1） 图1 RNA的命运（左） 图2 5’与3’端的保护机制（右） 剪切过程也对RNA有影响，剪接通常发生在Pol-II转录的延长期，在此过程中剪接体直接与许多输出因子相互作用，促进了出核的过程 从细胞分群结果上来看，可以减少酶解、机械压力诱导的假细胞类群的产生，且针对在解离时容易死亡的细胞，用细胞核测序的方法可以进行检测。 但细胞提核做RNA测序就完全可以取代单细胞RNA测序吗？ 我们可以通过在显微镜下直接观察核膜完整性与形状以及背景复杂程度来判断提核的质量，或者也可以通过流式筛选的方式来将核分离出来。
2.3K43编辑于 2022-09-21 - 来自专栏单细胞天地
单细胞RNA测序综述汇总—肿瘤研究的新工具
多组学数据整合分析、单细胞RNA测序未来发展等内容。 和Bulk RNA-seq （测量一个大的细胞群体中每一个基因的平均表达水平）不同，它测定的是单个细胞内每个基因的表达量分布，对于研究特定细胞转录组的变化是重要的。 然后将来自所有细胞的条形码cDNA分子汇集在一起，并转换成单个RNA-Seq文库。 胞内蛋白与mRNA关联研究（两种方法） 其一（Darmanis, S. et al., 2016）是将FACS sort到的细胞裂解后分离裂解液，分别进行蛋白质与RNA定量。 胶质母细胞瘤相关途径的典型受体和配体的嵌合表达已被用作治疗靶点，例如EGFR或受体酪氨酸激酶； （2）干细胞和分化细胞状态的梯度表达； （3）同一肿瘤样品中不同胶质母细胞瘤亚型标记的表达；所有这些异质性特征都直接影响治疗策略和疾病预后
2.2K31发布于 2020-03-27 - 来自专栏智能生信
Methods | SAVER: 单细胞RNA测序的基因表达恢复
Zhang教授等人发表在Nature Methods上的一篇文章 “SAVER: gene expression recovery for single-cell RNA sequencing”。 大规模并行单细胞RNA测序 (scRNA-seq) 的快速发展为生物样本的高分辨率单细胞分析铺平了道路。在大多数scRNA-seq研究中，每个细胞中只有一小部分的转录物被测序。 尽管观察到的许多零计数都反映了真正的零表达，但是相当大的一部分是由于诸如捕获和测序效率之类的技术因素造成的虚假的零表达。 SAVER流程与基于Drop-seq数据的SAVER的RNA FISH验证 三、实验结果 3.1 基于Drop-seq数据的SAVER的RNA FISH验证 由于FISH和scRNA-seq分析使用了不同的细胞 补充说明中的其他深入探讨显示了SAVER的性能如何取决于诸如测序深度，细胞数量和细胞组成等因素。
2.5K11发布于 2021-04-13 - 来自专栏智能生信
使用纳米孔进行长读长单分子 RNA 结构测序
简读分享 | 赵晏浠 编辑 | 陈兴民 论文题目 Long-read single-molecule RNA structure sequencing using nanopore 论文摘要 RNA 使用酶促或化学探测以及高通量测序，可以在整个转录组中绘制二级结构。然而，一个限制因素是只能获得总体平均值，因为每次读取都是独立的测量值。 尽管最近使用长读长测序来确定 RNA 结构，但这些方法仍然使用跨链的聚合信号来检测结构。对总体进行平均还意味着只能获得有关分子间结构异质性或每个分子内依赖性的有限信息。 在这里，我们提出了单分子结构测序 (SMS-seq)，它将结构探测与天然 RNA 测序相结合，通过新的分析方法提供单个分子的非扩增结构图谱。我们使用互信息的新方法支持单分子结构询问。 每个 RNA 在多个碱基上进行探测，从而能够发现结构特征的依赖性和异质性。我们还表明，SMS-seq 可以捕获三级相互作用、核糖开关配体结合的动力学和 mRNA 结构特征。
33810编辑于 2022-12-29 - 来自专栏单细胞天地
你值得拥有的单细胞RNA测序分析工具TOP 3
但事实上细胞之间的异质性是很普遍的，RNA测序最终将表达量值算作所有细胞表达量的平均值，其实是掩盖了细胞间差异的信号。 而单细胞RNA测序（scRNAseq）就可以去发现细胞亚群中不同基因型和表型，或者不同的功能细胞之间的异质性。 单细胞RNA测序主要在免疫学、癌症和发育研究中使用。 单细胞RNA测序现在是一个非常热门的技术，有着广泛的应用。当然为这个新技术开发得生物信息学工具也越来越多。OMICtools已经为我们选出了目前最受欢迎的单细胞RNA测序数据分析工具。 （这里简单的解释一下，当我们进行细胞某一时序过程，例如细胞分化过程中的表达量变化时，单细胞RNA测序无法获得单个细胞每个时间点的RNA。 Wishbone可以分析各种测序技术得到的单细胞RNA测序数据，如单细胞质谱流式(Mass Ctyometry)和单细胞RNA测序。 ?
2.4K10发布于 2020-03-27 - 来自专栏单细胞天地
单细胞 RNA 测序揭示胶质瘤细胞分化相关基因
文信息 题目：Single cell RNA sequencing reveals differentiation related genes with drawing implications in
1.5K41编辑于 2022-03-14 - 来自专栏单细胞天地
综述：高维单细胞RNA测序数据分析工具（下）
前文 综述：高维单细胞RNA测序数据分析工具（上） 综述：高维单细胞RNA测序数据分析工具（中） 2.3 Trajectory inference 虽然聚类有助于将细胞分组为离散的细胞类型，但在许多情况下 预测细胞转录方向的一种方法是估计RNA的速度（RNA velocity）。这种方法是基于对RNA分子是剪接还是未剪接(即仍含有内含子序列的新生RNA)等理论推断的评估。 对于一个给定的基因，未剪接的RNA与剪接的RNA的比例很高，这表明该基因的表达正在增加，因为未剪接RNA的数量越高，表明更多的RNA被转录而不是降解。 相反，对于一个给定的基因，剪接RNA与未剪接RNA的比例很高，这表明基因表达量下降。 对于冷冻组织，单核分离和测序是更可行的选择。两种方案似乎都有各自的特定偏差，尽管对于某些类型的样本，如人类神经元，只有单核解离被证明是有效的。
1.8K22发布于 2020-05-14 - 来自专栏生信技能树
转录组讲师带你读文献-m6A和RNA测序结合
Results: 在本研究中，我们通过甲基化RNA免疫沉淀测序(MeRIP-Seq)对大鼠皮层的mRNA m6A甲基化进行了全基因组图谱分析。 ：18只老鼠，分为6组，每组三个生物学重复，三个样本合并为一个进行测序。 免疫沉淀测序结果概述 为了测量sham组和TBI组的m6A甲基化水平，我们使用MeRIP-Seq进行了全转录组m6Aseq分析。 我们发现在MeRIP-Seq样本中平均产生11.67 Gb的测序数据，输入样本产生13.46 Gb的测序数据。 TBI的病理生理机制有直接机械力引起的原发性损伤和神经元的继发性损伤两方面。撞击产生的机械力直接损害轴突和神经元的一部分。继发性损伤的发生机制较为复杂。
2.5K30发布于 2021-05-27 - 来自专栏单细胞天地
综述：高维单细胞RNA测序数据分析工具（上）
然而，对这些单细胞RNA测序(scRNA-seq)技术产生的大量数据进行分析和解释有一些挑战。 对于大多数测序技术，背景RNA污染和测序错误会导致大量的cell barcode，它们的reads数很低，但与真正的细胞并不对应。 这些方法包括基于分裂池连接的转录组测序和单细胞组合索引RNA seq。 与胞质RNA不同，线粒体RNA的存在提示细胞死亡。read数或线粒体read数比例的适当阈值取决于数据集中存在的细胞类型和使用的scRNA-seq方法。 该方法可以提高细胞亚型的分辨率和罕见细胞表型的检测，还可以对患者、样本或技术进行直接比较。然而，由于基因表达的技术差异可以掩盖相关的生物学现象，即批次效应，因此这种类型的分析常常具有挑战性。
2.5K21发布于 2020-05-19 - 来自专栏天意云&天意科研云&天意生信云
课题新思路《Nature》ChatGPT在单细胞RNA测序中的应用
2024年3月25日，《Nature methods》刊发的专栏文章《Assessing GPT-4 for cell type annotation in single-cell RNA-seq analysis 文献地址：https://www.nature.com/articles/s41592-024-02235-4 Wenpin Hou和Zhicheng Ji两位教授在单细胞RNA测序（scRNA-seq
23910编辑于 2025-03-06
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