Name: Een bioinformatica-pijpleiding om de MicroRNA Transcriptomes in fabrieken nauwkeurig en efficiënt te analyseren (Video) | JoVE Journal
Uploaded: 2020-01-21T12:30:00.000+00:00
Duration: 6 min 34 s
Description: Leer een bioinformatica-pijplijn voor nauwkeurige en efficiënte analyse van microRNA-transcriptomen in planten. Deze methode vermindert valse positieven en verkort de verwerkingstijd aanzienlijk.

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

Dit werk werd gesteund door de Beijing Academy of land-en bosbouw Wetenschappen (KJCX201917, KJCX20180425 en KJCX20180204) aan XY en National Natural Science Foundation of China (31621001) tot LL.

1. installatie en testen
<ol><li>Download vereiste afhankelijkheden: Bowtie222 en RNAfold23. Gecompileerde pakketten worden aanbevolen.<ol>
<li>Download Bowtie2, een lees mapping tool, van de HomeSite (<a href="http://bowtie-bio.sourceforge.net/bowtie2/index.shtml" target="_blank">http://bowtie-bio.sourceforge.net/bowtie2/index.shtml</a>).</li>
		<li>Download RNAfold, een tool van het Vienna-pakket gebruikt om RNA secundaire structuur te voorspellen, van <a href="http://www.tbi.univie.ac.at/~ivo/RNA/" target="_blank">http://www.TBI.univie.ac.at/~Ivo/RNA/</a>.</li>
		<li>Voordat u miRDP2 installeert, zorg ervoor dat deze twee afhankelijkheden correct zijn geïnstalleerd en aanpassen van de bash-omgeving bestand (bijvoorbeeld,. bashrc) voor het instellen van een juiste pad voor deze twee afhankelijkheden. Opmerking: andere kaart tools zoals bowtie24 zijn ook geschikt voor miRDP2; Bowtie of Bowtie2 kan worden gebruikt na versie 1.1.3.</li>
	</ol></li>
	<li>Ga naar <a href="https://sourceforge.net/projects/mirdp2/files/latest_version/" target="_blank">https://sourceforge.net/projects/mirdp2/files/latest_version/</a> om het miRDP2-pakket te downloaden en haal de tarball-bestanden op.</li>
	<li>Voordat u miRDP2 installeert, moet u ervoor zorgen dat perl zich in het pad bevindt. Om miRDP2 te installeren, haalt u alle inhoud van het gedownloade tar-bestand op in één map (opdrachtregels zoals in 1.4.2) en stelt u vervolgens het mappad in het pad in. Opmerking: een computer-of computernode met ten minste 8 GB RAM en 100 GB opslag wordt aanbevolen om miRDP2 uit te voeren.</li>
	<li>Test de MiRDP2 pijplijn.<ol>
<li>Als u wilt testen of miRDP2 correct is geïnstalleerd, gebruikt u de testgegevens en de verwachte uitvoer die is gevonden in <a href="https://sourceforge.net/projects/mirdp2/files/TestData/" target="_blank">https://sourceforge.net/projects/mirdp2/files/TestData/</a>. Test gegevens bevatten één geformatteerde GSM-volgordebestand en één Arabidopsis thaliana genoom-bestand.</li>
		<li>Verplaats alle gedownloade bestanden naar de huidige werkmap: MV miRDP2-v*. tar. gz testdata. tar. gz ncRNA_rfam. tar. gz < user_selected_folder > cd < user_selected_folder >
</li>
		<li>Pak de gecomprimeerde tarball-bestanden uit: tar – xvzf miRDP2-v*. tar. gz tar – xvzf testdata. tar. gz tar – xvzf ncRNA_rfam. tar. gz
</li>
		<li>Bouw de Arabidopsis genoom referentie-index: bowtie2-build -f./testdata/TAIR10_genome. fa./testdata/TAIR10_genome
</li>
		<li>Bouw de ncRNA referentie-index: bowtie2-build -f./ncRNA_rfam. fa./1.1.3/script/index/rfam_index
</li>
		<li>Voer de miRDP2 pijplijn uit: bash ./1.1.3/mirdp2-v1.1.3_pipeline. bash – g./testdata/TAIR10_genome. FA-i./TESTDATA/TAIR 10_genome – f./TestData/GSM2094927.fa – o. Opmerking: Linux-opdrachten die worden gebruikt, zijn vet en cursief, met opdrachtregelopties cursief. * geeft de versie van miRDP2 aan (de huidige versie is 1.1.3). De opdracht bowtie2-build moet ongeveer 10 minuten duren en de miRDP2-pijplijn moet binnen enkele minuten worden voltooid</li>
	</ol></li>
	<li>Controleer de test uitgangen.<ol>
<li>Houd er rekening mee dat een map met de naam ' GSM2094927-15-0-10 ' automatisch wordt gegenereerd in < user_selected_folder >, met alle tussenliggende bestanden en resultaten.</li>
		<li>Controleer of het door tabs gescheiden uitvoerbestand GSM2094927-15-0-10_filter_P_prediction, de uiteindelijke uitvoer van voorspelde miRNAs, kolommen bevat die chromosoom id, strand richting, representatieve Lees-id, precursor-id, oudere miRNA-locatie, voorloper aangeven de volgorde van de locatie, de volwassen reeks en de voorloper. Noteer het extra bed bestand afgeleid van dit bestand om verdere analyse te vergemakkelijken.</li>
		<li>Controleer het bestand "progress_log", dat informatie bevat over voltooide stappen en de bestanden "script_log" en "script_err", die programma-uitvoer en-waarschuwingen bevatten. Opmerking: momenteel hebben we miRDP2 getest op twee Linux-platforms, waaronder CentOS-versie 6,5 op een cluster server en cygwin 2.6.0 op PC Windows-systeem, en miRDP2 moet werken op vergelijkbare systemen die perl ondersteunen.</li>
	</ol></li>
</ol>2. nieuwe miRNAs identificeren
<ol><li>Voordat u de pijplijn uitvoert, zorg ervoor dat de invoer leesbewerkingen zijn voorverwerkt in de juiste indeling. Opmerking: de nieuwe versie 1.1.3 van miRDP2 kan originele FASTQ-formaat bestanden als invoer accepteren, hoewel het proces van het opmaken van leesbewerkingen wordt uitgevoerd zoals in eerdere versies.<ol>
<li>Verwijder eerst adapters uit de 5 ' en 3 ' uiteinden van de diepe sequentiëren leest (indien aanwezig).</li>
		<li>Ten tweede, parseren van de diepe sequentiëren leest in FASTA formaat.</li>
		<li>Ten derde, verwijder redundantie zodat leesbewerkingen met identieke volgorde worden weergegeven met een enkele en unieke FASTA vermelding.</li>
		<li>Zorg er ten slotte voor dat alle FASTA-identifiers uniek zijn. Elke reeks-id moet eindigen met een ' _x ' en een geheel getal, dat het kopie nummer aangeeft van de exacte reeks die is opgehaald in de Deep sequence-gegevenssets. Een manier om ervoor te zorgen unieke FASTA identifier is het opnemen van een lopend nummer in de ID. Zie het bestand GSM2094927. fa in de testgegevens (<a href="https://sourceforge.net/projects/mirdp2/files/TestData/" target="_blank">https://sourceforge.net/projects/mirdp2/files/TestData/</a>) ter referentie.</li>
		<li>Zie het volgende voor voorbeelden van correct opgemaakte leesbewerkingen: > read0_x29909 TGGATTGAAGGGAGCTCTA > read1_x36974 Een van de meest gekaarde > read2_x32635 Een van de meest GEKAARTE schoenen</li>
	</ol>
</li>
	<li>Referentie-indexen bouwen.<ol>
<li>Voor de genoom referentie, om tijd te besparen, Download Bowtie2 indexbestanden van de iGenomes website (<a href="https://support.illumina.com/sequencing/sequencing_software/igenome.html" target="_blank">https://support.Illumina.com/sequencing/sequencing_software/igenome.html</a>) als de genoomsequenties van de soorten van belang zijn geïndexeerd. Anders indexeren gebruikers verwijzings reeksen en houden het indexbestand een tijdje totdat het project is voltooid, omdat de genoom volgorde mogelijk opnieuw moet worden geïndexeerd. Details over het indexeren van een genoom referentie zijn opgenomen in bowtie2 Manual (<a href="http://bowtie-bio.sourceforge.net/bowtie2/manual.shtml" target="_blank">http://bowtie-bio.sourceforge.net/bowtie2/manual.shtml</a>).</li>
		<li>Een andere niet-miRNA ncRNA-index is ook nodig om lawaaierige sequenties uit andere niet-Codeer bare RNA-fragmenten te filteren. Het bestand is een verzameling van de belangrijkste ncRNA-sequenties van Rfam, waaronder rRNA, tRNA, snRNA en snoRNA. Om deze index te maken, verwijzen wij u naar deel 1,4, omdat de index correct moet worden geplaatst en genoemd, d.w.z. < miRDP2_version >/script/index/rfam_index.</li>
	</ol>
</li>
	<li>Voer miRDP2 uit.<ol>
<li>Als u miRDP2 wilt gebruiken om nieuwe miRNAs te detecteren uit Deep sequence-gegevens, voert u het bash-script uit in het pakket om de analyse pijplijn te starten (een voorbeeld kan worden gevonden in stap 1,4): < path_to_miRDP2_folder >/miRDP2-v *. * _pipeline. bash – g < genome_file >-i < path_to_index/index_prefix >-f < seq_file >-o < output_folder > waarbij * de versie van het pijpleiding bash-script aangeeft. Er zijn drie parameters die kunnen worden gewijzigd: 1) het aantal verschillende locaties die een Lees kan worden toegewezen aan, 2) het mismatch-nummer voor het uitvoeren van bowtie2, en 3) de drempelwaarde van RPM (leesbewerkingen per miljoen). Wijzig deze met respectievelijk de opties – L,-M en – R. Een gedetailleerde uitleg vindt u in paragraaf 3,1.</li>
	</ol>
</li>
	<li>Controleer de miRDP2 uitgangen.<ol>
<li>Houd er rekening mee dat de uitvoermap automatisch wordt gegenereerd onder < output_folder > en met de naam ' < seq_file_name >-15-0-10 '; de laatste 3 cijfers geven de waarden aan (in dit geval standaard) voor respectievelijk parameters 1, 2 en 3. Het bestand < seq_file_name > _filter_P_prediction bevat informatie over de laatste voorspelde miRNAs die voldoet aan de recentelijk bijgewerkte annotatie criteria van plant miRNA. Details over de indeling van het uitvoerbestand worden beschreven in deel 1,4.</li>
	</ol>
</li>
</ol>3. wijzigingen en voorzichtigheid met behulp van miRDP2
<ol><li>Parameters die kunnen worden gewijzigd<ol>
<li>Gebruik de optie '-L ' om de limiet in te stellen van het aantal locaties waaraan een Lees kan worden toegewezen (parameter 1). Lees toewijzing aan te veel sites is mogelijk gekoppeld aan herhaalde reeksen en is niet waarschijnlijk voor miRNAs. De standaardinstelling is 15. Voor specifieke soorten, als er miRNA-families met veel leden zijn, kan de eerste parameter handmatig worden verhoogd om zich aan te passen aan het genoom landschap.</li>
		<li>Gebruik de optie '-M ' om de toegestane mismatches voor bowtie in te stellen (parameter 2). De standaardinstelling is 0.</li>
		<li>Gebruik de optie '-R ' om de drempelwaarde voor leesbewerkingen in te stellen die mogelijk overeenkomen met oudere miRNAs (parameter 3). Om tijdverbruik en fout-positieven te verminderen, filter leest door RPM. Alleen leesbewerkingen die een bepaalde RPM-drempel overschrijden, kunnen volwassen sequenties van miRNAs vertegenwoordigen in plaats van achtergrondruis, en worden bewaard voor verdere analyse. De standaardinstelling is 10 RPM.</li>
		<li>Houd er rekening mee dat het wijzigen van deze parameters mogelijk invloed kan hebben op prestaties en tijdverbruik. In het algemeen zou een toename van parameter 1 en 2 en een afname van parameter 3 een minder streng resultaat en een langere looptijd genereren en omgekeerd.</li>
	</ol>
</li>
	<li>Redundantie en miRNA *<ol>
<li>Merk op dat de uitvoer miRNAs van miRDP2 kan afwijken van de bekende miRNAs. We constateerden dat dit voornamelijk te wijten is aan een van de twee redenen: heterogeniteit van de volwassen miRNAs of de relatieve overvloed van miRNA en miRNA *. We constateerden dat dit geen invloed heeft op de optimale lengte selectie van precursoren en de profilering van bekende miRNA-genen.</li>
	</ol>
</li>
</ol>

<ol><li>Ghildiyal, M., Zamore, P. D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Small+silencing+RNAs%3A+an+expanding+universe%5BTitle%5D)+AND+%22Nature+Reviews+Genetics%22%5BJournal%5D)">Small silencing RNAs: an expanding universe.</a> Nature Reviews Genetics. 10 (2), 94-108 (2009).</li>
<li>Bartel, D. P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((MicroRNAs%3A+target+recognition+and+regulatory+functions%5BTitle%5D)+AND+%22Cell%22%5BJournal%5D)">MicroRNAs: target recognition and regulatory functions.</a> Cell. 136 (2), 215-233 (2009).</li>
<li>Moran, Y., Agron, M., Praher, D., Technau, U. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+evolutionary+origin+of+plant+and+animal+microRNAs%5BTitle%5D)+AND+%22Nature+Ecology+Evolution%22%5BJournal%5D)">The evolutionary origin of plant and animal microRNAs.</a> Nature Ecology Evolution. 1 (3), 27(2017).</li>
<li>Xie, Z., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Expression+of+Arabidopsis+MIRNA+genes%5BTitle%5D)+AND+%22Plant+Physiology%22%5BJournal%5D)">Expression of Arabidopsis MIRNA genes.</a> Plant Physiology. 138 (4), 2145-2154 (2005).</li>
<li>Zhao, X., Zhang, H., Li, L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Identification+and+analysis+of+the+proximal+promoters+of+microRNA+genes+in+Arabidopsis%5BTitle%5D)+AND+%22Genomics%22%5BJournal%5D)">Identification and analysis of the proximal promoters of microRNA genes in Arabidopsis.</a> Genomics. 101 (3), 187-194 (2013).</li>
<li>Bologna, N. G., Mateos, J. L., Bresso, E. G., Palatnik, J. F. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+loop-to-base+processing+mechanism+underlies+the+biogenesis+of+plant+microRNAs+miR319+and+miR159%5BTitle%5D)+AND+%22EMBO+JOURNAL%22%5BJournal%5D)">A loop-to-base processing mechanism underlies the biogenesis of plant microRNAs miR319 and miR159.</a> EMBO JOURNAL. 28 (23), 3646-3656 (2009).</li>
<li>Rogers, K., Chen, X. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Biogenesis%2C+turnover%2C+and+mode+of+action+of+plant+microRNAs%5BTitle%5D)+AND+%22Plant+Cell%22%5BJournal%5D)">Biogenesis, turnover, and mode of action of plant microRNAs.</a> Plant Cell. 25 (7), 2383-2399 (2013).</li>
<li>Voinnet, O. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Origin%2C+biogenesis%2C+and+activity+of+plant+microRNAs%5BTitle%5D)+AND+%22Cell%22%5BJournal%5D)">Origin, biogenesis, and activity of plant microRNAs.</a> Cell. 136 (4), 669-687 (2009).</li>
<li>Iwakawa, H. O., Tomari, Y. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+Functions+of+MicroRNAs%3A+mRNA+Decay+and+Translational+Repression%5BTitle%5D)+AND+%22Trends+in+Cell+Biology%22%5BJournal%5D)">The Functions of MicroRNAs: mRNA Decay and Translational Repression.</a> Trends in Cell Biology. 25 (11), 651-665 (2015).</li>
<li>Lee, R. C., Feinbaum, R. L., Ambros, V. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+C.+elegans+heterochronic+gene+lin-4+encodes+small+RNAs+with+antisense+complementarity+to+lin-14%5BTitle%5D)+AND+%22Cell%22%5BJournal%5D)">The C. elegans heterochronic gene lin-4 encodes small RNAs with antisense complementarity to lin-14.</a> Cell. 75 (5), 843-854 (1993).</li>
<li>Wightman, B., Ha, I., Ruvkun, G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Posttranscriptional+regulation+of+the+heterochronic+gene+lin-14+by+lin-4+mediates+temporal+pattern+formation+in+C.+elegans%5BTitle%5D)+AND+%22Cell%22%5BJournal%5D)">Posttranscriptional regulation of the heterochronic gene lin-14 by lin-4 mediates temporal pattern formation in C. elegans.</a> Cell. 75 (5), 855-862 (1993).</li>
<li>Friedlander, M. R., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Discovering+microRNAs+from+deep+sequencing+data+using+miRDeep%5BTitle%5D)+AND+%22Nature+Biotechnology%22%5BJournal%5D)">Discovering microRNAs from deep sequencing data using miRDeep.</a> Nature Biotechnology. 26 (4), 407-415 (2008).</li>
<li>Yang, X., Li, L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((miRDeep-P%3A+a+computational+tool+for+analyzing+the+microRNA+transcriptome+in+plants%5BTitle%5D)+AND+%22Bioinformatics%22%5BJournal%5D)">miRDeep-P: a computational tool for analyzing the microRNA transcriptome in plants.</a> Bioinformatics. 27 (18), 2614-2615 (2011).</li>
<li>Meyers, B. C., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Criteria+for+annotation+of+plant+MicroRNAs%5BTitle%5D)+AND+%22Plant+Cell%22%5BJournal%5D)">Criteria for annotation of plant MicroRNAs.</a> Plant Cell. 20 (12), 3186-3190 (2008).</li>
<li>Yang, X., Zhang, H., Li, L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Global+analysis+of+gene-level+microRNA+expression+in+Arabidopsis+using+deep+sequencing+data%5BTitle%5D)+AND+%22Genomics%22%5BJournal%5D)">Global analysis of gene-level microRNA expression in Arabidopsis using deep sequencing data.</a> Genomics. 98 (1), 40-46 (2011).</li>
<li>Kuang, Z., Wang, Y., Li, L., Yang, X. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((miRDeep-P2%3A+accurate+and+fast+analysis+of+the+microRNA+transcriptome+in+plants%5BTitle%5D)+AND+%22Bioinformatics%22%5BJournal%5D)">miRDeep-P2: accurate and fast analysis of the microRNA transcriptome in plants.</a> Bioinformatics. , (2018).</li>
<li>Kozomara, A., Birgaoanu, M., Griffiths-Jones, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((miRBase%3A+from+microRNA+sequences+to+function%5BTitle%5D)+AND+%22Nucleic+Acids+Research%22%5BJournal%5D)">miRBase: from microRNA sequences to function.</a> Nucleic Acids Research. 47 (1), 155-162 (2019).</li>
<li>Griffiths-Jones, S., Saini, H. K., van Dongen, S., Enright, A. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((miRBase%3A+tools+for+microRNA+genomics%5BTitle%5D)+AND+%22Nucleic+Acids+Research%22%5BJournal%5D)">miRBase: tools for microRNA genomics.</a> Nucleic Acids Research. 36, Database issue 154-158 (2008).</li>
<li>Axtell, M. J., Meyers, B. C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Revisiting+Criteria+for+Plant+MicroRNA+Annotation+in+the+Era+of+Big+Data%5BTitle%5D)+AND+%22Plant+Cell%22%5BJournal%5D)">Revisiting Criteria for Plant MicroRNA Annotation in the Era of Big Data.</a> Plant Cell. 30 (2), 272-284 (2018).</li>
<li>Taylor, R. S., Tarver, J. E., Hiscock, S. J., Donoghue, P. C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Evolutionary+history+of+plant+microRNAs%5BTitle%5D)+AND+%22Trends+in+Plant+Science%22%5BJournal%5D)">Evolutionary history of plant microRNAs.</a> Trends in Plant Science. 19 (3), 175-182 (2014).</li>
<li>Kozomara, A., Griffiths-Jones, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((miRBase%3A+annotating+high+confidence+microRNAs+using+deep+sequencing+data%5BTitle%5D)+AND+%22Nucleic+Acids+Research%22%5BJournal%5D)">miRBase: annotating high confidence microRNAs using deep sequencing data.</a> Nucleic Acids Research. 42, Database issue 68-73 (2014).</li>
<li>Langmead, B., Salzberg, S. L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Fast+gapped-read+alignment+with+Bowtie+2%5BTitle%5D)+AND+%22Nature+Methods%22%5BJournal%5D)">Fast gapped-read alignment with Bowtie 2.</a> Nature Methods. 9 (4), 357-359 (2012).</li>
<li>Lorenz, R., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((ViennaRNA+Package+2.0%5BTitle%5D)+AND+%22Algorithms+for+Molecular+Biology%22%5BJournal%5D)">ViennaRNA Package 2.0.</a> Algorithms for Molecular Biology. 6, 26(2011).</li>
<li>Langmead, B., Trapnell, C., Pop, M., Salzberg, S. L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Ultrafast+and+memory-efficient+alignment+of+short+DNA+sequences+to+the+human+genome%5BTitle%5D)+AND+%22Genome+Biology%22%5BJournal%5D)">Ultrafast and memory-efficient alignment of short DNA sequences to the human genome.</a> Genome Biology. 10 (3), 25(2009).</li>
<li>An, J., Lai, J., Sajjanhar, A., Lehman, M. L., Nelson, C. C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((miRPlant%3A+an+integrated+tool+for+identification+of+plant+miRNA+from+RNA+sequencing+data%5BTitle%5D)+AND+%22BMC+Bioinformatics%22%5BJournal%5D)">miRPlant: an integrated tool for identification of plant miRNA from RNA sequencing data.</a> BMC Bioinformatics. 15, 275(2014).</li>
<li>Lei, J., Sun, Y. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((miR-PREFeR%3A+an+accurate%2C+fast+and+easy-to-use+plant+miRNA+prediction+tool+using+small+RNA-Seq+data%5BTitle%5D)+AND+%22Bioinformatics%22%5BJournal%5D)">miR-PREFeR: an accurate, fast and easy-to-use plant miRNA prediction tool using small RNA-Seq data.</a> Bioinformatics. 30 (19), 2837-2839 (2014).</li>
<li>Evers, M., Huttner, M., Dueck, A., Meister, G., Engelmann, J. C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((miRA%3A+adaptable+novel+miRNA+identification+in+plants+using+small+RNA+sequencing+data%5BTitle%5D)+AND+%22BMC+Bioinformatics%22%5BJournal%5D)">miRA: adaptable novel miRNA identification in plants using small RNA sequencing data.</a> BMC Bioinformatics. 16, 370(2015).</li>
<li>Mathelier, A., Carbone, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((MIReNA%3A+finding+microRNAs+with+high+accuracy+and+no+learning+at+genome+scale+and+from+deep+sequencing+data%5BTitle%5D)+AND+%22Bioinformatics%22%5BJournal%5D)">MIReNA: finding microRNAs with high accuracy and no learning at genome scale and from deep sequencing data.</a> Bioinformatics. 26 (18), 2226-2234 (2010).</li>
<li>Zhu, Q. H., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+diverse+set+of+microRNAs+and+microRNA-like+small+RNAs+in+developing+rice+grains%5BTitle%5D)+AND+%22Genome+Research%22%5BJournal%5D)">A diverse set of microRNAs and microRNA-like small RNAs in developing rice grains.</a> Genome Research. 18 (9), 1456-1465 (2008).</li>
<li>Fahlgren, N., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((MicroRNA+gene+evolution+in+Arabidopsis+lyrata+and+Arabidopsis+thaliana%5BTitle%5D)+AND+%22Plant+Cell%22%5BJournal%5D)">MicroRNA gene evolution in Arabidopsis lyrata and Arabidopsis thaliana.</a> Plant Cell. 22 (4), 1074-1089 (2010).</li>
<li>Fromm, B., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+Uniform+System+for+the+Annotation+of+Vertebrate+microRNA+Genes+and+the+Evolution+of+the+Human+microRNAome%5BTitle%5D)+AND+%22Annual+Review+of+Genetics%22%5BJournal%5D)">A Uniform System for the Annotation of Vertebrate microRNA Genes and the Evolution of the Human microRNAome.</a> Annual Review of Genetics. 49, 213-242 (2015).</li>
<li>Blevins, T., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Identification+of+Pol+IV+and+RDR2-dependent+precursors+of+24+nt+siRNAs+guiding+de+novo+DNA+methylation+in+Arabidopsis%5BTitle%5D)+AND+%22Elife%22%5BJournal%5D)">Identification of Pol IV and RDR2-dependent precursors of 24 nt siRNAs guiding de novo DNA methylation in Arabidopsis.</a> Elife. 4, 09591(2015).</li>
<li>Zhai, J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+One+Precursor+One+siRNA+Model+for+Pol+IV-Dependent+siRNA+Biogenesis%5BTitle%5D)+AND+%22Cell%22%5BJournal%5D)">A One Precursor One siRNA Model for Pol IV-Dependent siRNA Biogenesis.</a> Cell. 163 (2), 445-455 (2015).</li>
<li>Werner, S., Wollmann, H., Schneeberger, K., Weigel, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Structure+determinants+for+accurate+processing+of+miR172a+in+Arabidopsis+thaliana%5BTitle%5D)+AND+%22Current+Biology%22%5BJournal%5D)">Structure determinants for accurate processing of miR172a in Arabidopsis thaliana.</a> Current Biology. 20 (1), 42-48 (2010).</li>
<li>Mateos, J. L., Bologna, N. G., Chorostecki, U., Palatnik, J. F. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Identification+of+microRNA+processing+determinants+by+random+mutagenesis+of+Arabidopsis+MIR172a+precursor%5BTitle%5D)+AND+%22Current+Biology%22%5BJournal%5D)">Identification of microRNA processing determinants by random mutagenesis of Arabidopsis MIR172a precursor.</a> Current Biology. 20 (1), 49-54 (2010).</li>
<li>Vitsios, D. M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Mirnovo%3A+genome-free+prediction+of+microRNAs+from+small+RNA+sequencing+data+and+single-cells+using+decision+forests%5BTitle%5D)+AND+%22Nucleic+Acids+Research%22%5BJournal%5D)">Mirnovo: genome-free prediction of microRNAs from small RNA sequencing data and single-cells using decision forests.</a> Nucleic Acids Research. 45 (21), 177(2017).</li>
</ol>

De auteurs hebben niets te onthullen.

Met de komst van ngs is een groot aantal Mirna loci geïdentificeerd uit een steeds groter wordende hoeveelheid Srna sequentie gegevens in diverse soorten29,30. In de gecentraliseerde communitydatabase miRBase21zijn de gedeponeerde Mirna-items in de afgelopen tien jaar bijna 100 keer gestegen. Echter, in vergelijking met miRNAs in dieren, plant miRNAs hebben vele unieke kenmerken die de identificatie/aantekening ingewikkelder maken<sup clas...

Een van de meest opwindende ontdekkingen in de laatste twee decennia in de biologie is de prolifererende rol van sRNA-soorten bij het reguleren van diverse functies van het genoom1. In het bijzonder vormen miRNAs een belangrijke klasse van 20-tot 24-NT srna's in eukaryoten, en werken voornamelijk op post-transcriptional niveau als prominente genregulators gedurende de ontwikkelingsstadia van de levenscyclus, evenals in stimulus-en stress responsen2,3. In planten ontstaan mirna's uit primaire transcripten genaamd pri-miRNAs, die over het algemeen worden getranscribeerd door RNA polymerase II als individuele transcriptie eenheden4,5. Verwerkt door evolutionair geagglomereerde cellulaire machines (drosha RNase III in dieren, Dicer-achtige in planten), worden pri-miRNAs in de onmiddellijke Mirna-precursoren, pre-miRNAs, opgenomen die sequenties vormen die intra-moleculaire stamlusconstructies6,7bevatten. Pre-miRNAs worden vervolgens verwerkt tot dubbel gestrande tussen producten, namelijk Mirna duplexen, bestaande uit het functionele strand, mature Mirna, en de minder vaak functionele partner, Mirna *2,8. Nadat ze in het RNA-geïnduceerde geluids dempings complex (RISC) zijn geladen, konden de volwassen miRNAs hun mRNA-doelen herkennen op basis van sequentie complementariteit, wat resulteerde in een negatieve regelgevende functie van2,8. miRNAs kan ofwel hun doel transcripten destabiliseren of doel vertaling voorkomen, maar de vroegere manier wordt gedomineerd in planten8,9.
Sinds de toevallige ontdekking van de eerste Mirna in de nematode Caenorhabditis elegans10,11, is veel onderzoek toegewijd aan de identificatie van Mirna en de functionele analyse ervan, vooral na de beschikbaarheid van ngs-methode. De brede toepassing van de NGS-methode heeft het gebruik van computationele tools die zijn ontworpen om het unieke kenmerk van miRNAs vast te leggen, sterk bevorderd, zoals de structuur van de stamlus van precursoren en hun preferentiële opeenhoping van sequentie leest op volwassen miRNA en miRNA *. Als gevolg daarvan hebben onderzoekers opmerkelijk succes geboekt bij het identificeren van miRNAs in verschillende soorten. Op basis van een eerder beschreven kansmodel12ontwikkelden we mirdeep-P13, de eerste computationele tool voor het ontdekken van installatie miRNAs van ngs data. mirdeep-P was specifiek gericht op het veroveren van de uitdagingen van het decoderen van planten miRNAs met een meer variabele precursor lengte en grote paralogous families13,14,15. Na de release is dit programma duizenden malen gedownload en gebruikt voor het annoteren van miRNA transcriptomes in meer dan 40 plantensoorten16. Aangedreven door NGS-gebaseerde tools zoals miRDeep-P, is er een dramatische toename van het aantal geregistreerde miRNAs in de openbare miRNA-repository miRBase17, waar meer dan 38.000 Mirna-items momenteel worden gehost (Release 22,1) in vergelijking met alleen ~ 500 Mirna-items (Release 2,0) in 200818.
Er zijn echter twee nieuwe uitdagingen ontstaan uit de annotatie van plant miRNA. Eerste, hoge verhoudingen van valse-positieven hebben sterk beïnvloed de kwaliteit van plant Mirna aantekeningen16,19 om de volgende redenen: 1) een stortvloed van endogene korte storende rna's (sirna's) van ngs Srna-bibliotheken werd ten onrechte geannoteerd als miRNAs vanwege het ontbreken van een strenge Mirna-annotatie criteria; 2) voor soorten zonder a priori miRNA informatie, valse-positieven voorspeld op basis van NGS-gegevens zijn moeilijk te elimineren. Met behulp van miRBase als voorbeeld vond Taylor et al.20 een derde van de vermeldingen van plant Mirna in de openbare repository21 (Release 21) ontbrak overtuigend ondersteunend bewijs en zelfs drie-vierde van plant Mirna families waren twijfelachtig. Ten tweede wordt het een extreem tijdrovend proces voor het voorspellen van planten miRNAs met grote en complexe genomen16. Om deze uitdagingen te overwinnen, hebben we miRDeep-P bijgewerkt door een nieuwe filter strategie toe te voegen, het scorings algoritme te herzien en nieuwe criteria te integreren voor de installatie van miRNA annotatie, en de nieuwe versie miRDP2 uitgebracht. Daarnaast testten we miRDP2 met behulp van NGS-gegevenssets met geleidelijk toenemende genoom groottes: Arabidopsis, rijst, tomaat, maïs en tarwe. In vergelijking met andere vijf veelgebruikte tools en de oude versie, heeft miRDP2 deze sRNA-gegevens geparseerd en miRNA transcriptomes sneller geanalyseerd met verbeterde nauwkeurigheid en gevoeligheid.
Inhoud van het pakket miRDP2 Het miRDP2-pakket bestaat uit zes gedocumenteerde perl-scripts die opeenvolgend door het voorbereide bash-script moeten worden uitgevoerd. Van de zes scripts worden drie (convert_bowtie_to_blast. pl, filter_alignments. plen excise_candidate. pl) overgenomen van mirdeep-P. De andere scripts worden gewijzigd van de oorspronkelijke versie. Functies van de zes scripts worden beschreven in het volgende:
preprocess_reads. pl filters invoer leest, met inbegrip van leesbewerkingen die te lang of te kort zijn (< 19 nt of > 25 NT), en leest gecorreleerd met Rfam ncRNA sequenties, evenals leesbewerkingen met rpm (leesbewerkingen per miljoen) minder dan 5. Het script haalt vervolgens leesbewerkingen op die zijn gecorreleerd met bekende miRNA-volwassen sequenties. De invoerbestanden zijn originele leesbewerkingen in de FASTA/FASTQ-indeling en bowtie2-uitvoer van Lees toewijzing aan de reeksen miRNA en ncRNA.
De formule voor het berekenen van RPM is als volgt:
<img alt="Equation 1" src="/files/ftp_upload/59864/59864equ01.jpg">
convert_bowtie_to_blast. pl verandert het bowtie formaat in Blast-geparseerde indeling. BLAST-parsed-indeling is een aangepaste in tabelvorm gescheiden indeling die is afgeleid van het standaard NCBI BLASToutput-formaat.
filter_alignments. pl filtert de overeenstemmingen van diepe sequentiëren naar een genoom. Het filtert gedeeltelijke overeenstemmingen en multi-uitgelijnde leesbewerkingen (door de gebruiker opgegeven frequentie cutoff). De basis invoer is een bestand in BLAST-parsed-indeling.
excise_candidate. pl snijdt potentiële voorloper sequenties uit een referentie reeks met behulp van uitgelijnde leesbewerkingen als richtlijnen. De basis invoer is een bestand in BLAST-parsed-indeling en een FASTA-bestand. De uitvoer is alle potentiële voorloper sequenties in FASTA formaat.
mod-miRDP.pl heeft twee invoerbestanden nodig, signatuurbestand en structuurbestand, die is gewijzigd van de kern mirdeep-P algoritme door het veranderen van het scoresysteem met specifieke parameters van de plant. De invoerbestanden zijn punt-bracket precursor structuurbestand en leest distributie handtekeningbestand.
mod-rm_redundant_meet_plant. pl heeft drie invoerbestanden nodig: chromosome_length, precursoren en original_prediction gegenereerd door mod-miRDP.pl. Het genereert twee uitvoerbestanden, niet-redundante voorspelde bestand en voorspelde bestand gefilterd door onlangs bijgewerkte plant miRNA criteria. Details over de indeling van het uitvoerbestand worden beschreven in paragraaf 1,4.

<table><tbody><tr><td>Computer/computing node</td><td>N/A</td><td>N/A</td><td>Perl is vereist; minimaal 8 GB RAM en 100 GB opslagruimte worden aanbevolen</td></tr></tbody></table>

een bioinformatica-pijpleiding om de microrna transcriptomes in fabrieken nauwkeurig en efficiënt te analyseren

A Bioinformatics Pipeline to Accurately and Efficiently Analyze the MicroRNA Transcriptomes in Plants

MicroRNAs (miRNAs) zijn 20-tot 24-nucleotide (NT) endogene kleine Rna's (Srna's) uitgebreid bestaande in planten en dieren die krachtige rollen spelen bij het reguleren van genexpressie op het post-transcriptional niveau. Sequentiëren sRNA-bibliotheken door Next generation sequencing (NGS) methoden zijn op grote schaal gebruikt om miRNA transcriptomes in de afgelopen tien jaar te identificeren en te analyseren, wat resulteerde in een snelle toename van miRNA Discovery. Echter, twee grote uitdagingen ontstaan in plant miRNA annotatie als gevolg van toenemende diepte van gesequentieerde sRNA Bibliotheken, evenals de grootte en de complexiteit van plant Genomes. Ten eerste, vele andere soorten Srna's, in het bijzonder, korte interfererende Rna's (Sirna's) van sRNA Bibliotheken, worden foutief geannoeerd als miRNAs door veel computationele tools. Ten tweede wordt het een extreem tijdrovend proces voor het analyseren van miRNA transcriptomes in plantensoorten met grote en complexe Genomes. Om deze uitdagingen het hoofd te bieden, hebben we onlangs miRDeep-P (een populaire tool voor miRNA transcriptome-analyses) geüpgraded naar miRDeep-P2 (kortweg miRDP2) door gebruik te maken van een nieuwe filter strategie, het scorings algoritme te herzien en nieuw bijgewerkte plant miRNA te integreren annotatie criteria. We testten miRDP2 tegen geordend Srna populaties in vijf representatieve planten met toenemende genomische complexiteit, met inbegrip van Arabidopsis, rijst, tomaat, maïs en tarwe. De resultaten geven aan dat miRDP2 deze taken met zeer hoge efficiëntie verwerkt. Daarnaast presteerde miRDP2 beter dan andere Voorspellings hulpmiddelen met betrekking tot gevoeligheid en nauwkeurigheid. Samen met onze resultaten demonstreren we miRDP2 als een snel en nauwkeurig hulpmiddel voor het analyseren van plantaardige miRNA transcriptomes, dus een handig hulpmiddel om de Gemeenschap te helpen om miRNAs in planten beter te annoteren.

De miRNA aantekening pijplijn, miRDP2, hierin beschreven, wordt toegepast op 10 openbare sRNA-SEQ-bibliotheken van 5 plantensoorten met geleidelijk toegenomen genoom lengte, met inbegrip van Arabidopsis thaliana, Oryza sativa (rijst), Solanum lycopersicum (tomaat), Zea mays (maïs) en Triticum aestivum (tarwe) (Figuur 1A). Over het algemeen worden voor elke soort 2 representatieve sRNA-bibliotheken uit verschillende weefsels (samen...

Een bioinformatica-pijpleiding, namelijk miRDeep-P2 (kortweg miRDP2), met bijgewerkte plant miRNA-criteria en een gereviseerd algoritme, kan microRNA transcriptomes nauwkeurig en efficiënt analyseren in planten, vooral voor soorten met complexe en grote Genomes.

Een bioinformatica-pijpleiding om de MicroRNA Transcriptomes in fabrieken nauwkeurig en efficiënt te analyseren

MicroRNAs (miRNAs) are 20- to 24-nucleotide (nt) endogenous small RNAs (sRNAs) extensively existing in plants and animals that play potent roles in ...

miRDeep2 kan worden gebruikt om plantaardige microRNAs die belangrijke transcriptieregelgevers zijn in de ontwikkeling van installaties nauwkeurig te identificeren en cruciaal zijn voor het reageren op milieuproblemen. miRDeep2 vereist een duidelijk korte looptijd en vertoont een uitstekende prestatie in zowel gevoeligheid als nauwkeurigheid, vooral voor het voorspellen van microRNA in planten met een groot genoom. Valse positieven en lange verwerkingstijd zijn uitdagingen in plantaardige microRNA-annotatie.Door een nieuwe fieldingstrategie toe te voegen, het scorealgoritme te reviseren en strenge criteria te integreren, kan miRDeep2 deze problemen oplossen. Hoog vertrouwen microRNA annotatie is van fundamenteel belang voor het ontdekken van de rol van microRNA in het reguleren van de diverse functie van het genoom. Stapsgewijze begeleiding kan nuttig zijn voor de eerste keer microRNA annotators.Voor ervaren onderzoekers is de methode nuttig om de voordelen en voordelen van het gebruik van miRDeep2 ten opzichte van andere tools te begrijpen. Als u het miRDeep2-pakket wilt installeren, gaat u naar de miRDeep2-webpagina en haalt u de tarball-bestanden op. Haal vervolgens alle inhoud van het gedownloade bestand in één map en stel het mappad in op pad.Als u de miRDeep2-pijplijn wilt testen, downloadt u de testgegevens en de verwachte uitvoer met één geformatteerd GSM-sequencingbestand en één Arabidopsis thaliana-genoombestand en verplaatst u alle gedownloade bestanden naar de huidige werkmap. Na het extraheren van de gecomprimeerde tarballbestanden, bouw je de Arabidopsis genoomreferentieindex en de noncoding RNA referentie-index. Een map wordt automatisch gegenereerd in de user_selected_folder met alle tussenliggende bestanden en resultaten.De miRDeep2-pijplijn kan vervolgens worden uitgevoerd met behulp van de testgegevens. Als u de testuitgangen wilt controleren, bekijkt u het door tabbladen afgebakende uitvoerbestand. De uiteindelijke output van de voorspelde microRNAs zal kolommen bevatten die de chromosoom-ID, strengrichting, representatieve leest ID, precursor ID, volwassen miRNA-locatie, precursorlocatie, volwassen sequentie en precursorvolgorde aangeven.Controleer vervolgens het progress_log bestand met informatie over de voltooide stappen en de script_log en script_err bestanden die programma-uitgangen en waarschuwingen bevatten. Voordat u de pijplijn uitvoert, verwijdert u adapters uit de vijf en drie priemeinden van de diepe sequencing en zorgt u ervoor dat alle FAST A-id's uniek zijn. Elke sequentie-id moet eindigen met een underscore x en een geheel getal dat het kopienummer aangeeft van de exacte reeks die is opgehaald in de gegevenssets voor de dieptesequencing.Om ervoor te zorgen dat unieke FAST A-id, een lopend nummer in de ID.To een referentie-index te bouwen, als de genoom sequenties van de soorten van belang zijn geïndexeerd, download Bowtie 2 index bestanden van de iGenomes website. Bouw vervolgens een non-microRNA noncoding RNA-index met de belangrijkste niet-coderende sequenties van RNA fam, waaronder ribosomale RNA, transferRNA, klein nucleair RNA en klein nucleolar RNA om luidruchtige sequenties uit andere niet-coding RNA-fragmenten te filteren. Als u miRDeep2 wilt gebruiken om nieuwe microRNAs te detecteren op grond van deep sequencing-gegevens, voert u het bash-script in het pakket uit om de analysepijplijn te starten.Het aantal verschillende locaties waarop een read kan worden toegewezen, het mismatchnummer voor het uitvoeren van Bowtie 2 en de drempel van de reads per miljoen kan zo nodig worden gewijzigd. Als u de miRDeep2-uitvoer wilt controleren, bekijkt u de gegevens in de automatisch gegenereerde output_folder. In deze representatieve analyse werd de miRDeep2 microRNA annotatiepijplijn toegepast op 10 openbare sRNA-sequentiebibliotheken van vijf plantensoorten met een geleidelijk verhoogde genoomgrootte zoals aangegeven.Voor elke soort worden twee representatieve kleine RNA-bibliotheken uit verschillende weefsels en hun indexgenoomsequenties verwerkt als twee inputs. Met behulp van eerdere methoden kan de genoomverwerking meer dan 100 uur duren of soms stoppen in het midden van de analyse vanwege de lengte van het genoom. miRDeep2, echter, afwerking van deze voorspelling processen in een aanzienlijk kortere periode van minuten tot uren.Voor de twee gesequenced arabidopsis kleine RNAs gebruikt in deze test, miRDeep2 beter gepresteerd in zowel gevoeligheid en nauwkeurigheid in vergelijking met andere tools. Zorg ervoor dat de invoerindex voor het programma correct is. Gebruik bijvoorbeeld Bowtie alleen met een Bowtie-index en gebruik een grote indexoptie voor grote genomen.De doelen van het resulterende microRNA kunnen worden voorspeld met behulp van sequencing gegevens die inzicht kunnen geven in microRNA functie. Aangezien miRDeep2 kan worden gebruikt om de meeste microRNA in een specifieke plantensoort nauwkeurig en gevoelig te identificeren, kan de rol van de microRNA-functie als geheel worden bestudeerd.

a-bioinformatics-pipeline-to-accurately-efficiently-analyze-microrna

Research

JoVE Journal

Genetics

Genetica

In this video, we demonstrate the northern blot, a hybridization technique to detect and quantify microRNAs (miRNAs) from total RNA extracted from plant tissue.

Northern Blot to Detect and Quantify Specific MicroRNA in Total RNA Extract of Plant Tissue

RNA-Seq-analyses worden steeds belangrijker voor het identificeren van de moleculaire grondslagen van adaptieve eigenschappen bij niet-modelorganismen. Hier wordt een protocol beschreven om differentieel tot expressie gebrachte genen te identificeren tussen diapauze en niet-diapauze Aedes albopictus muggen, van het kweken van muggen tot RNA-sequencing en bioinformatica-analyses van RNA-Seq-gegevens.

Een experimentele en Bioinformatica Protocol voor RNA-seq Analyses van Fotoperiodische diapause in de Aziatische tijgermug, Aedes albopictus

Circulerende microRNAs zijn onlangs naar voren gekomen als veelbelovend en nieuwe biomarkers voor verschillende vormen van kanker en andere ziekten. Het doel van dit artikel is om drie verschillende probes gebaseerde real-time PCR-platforms en methoden die beschikbaar zijn om te kwantificeren en te bepalen de overvloed aan circulerende microRNAs zijn te bespreken.

Probe-gebaseerde real-time PCR Benaderingen voor kwantitatieve meting van microRNAs

Dit protocol beschrijft een eenvoudige methode om transcripten uit plantweefsels te extraheren en te fractoneren op basis van het aantal gebonden ribosomen. Het maakt een globale schatting van de translatieactiviteit mogelijk en de bepaling van de translationele status van specifieke mRNA's.

Een eenvoudige methode voor Plant polysoomdisplays Profiling

Dit verslag wordt een snelle en betrouwbare methode voor het valideren van mRNA doelstellingen van cellulaire miRNAs beschreven. Het gebruik van de methode synthetische biotinyleerd vergrendeld nucleïnezuur LNA gebaseerde miRNA bootst te vangen target mRNA. Vervolgens daar beklede magnetische kralen pulldown worden gebruikt de doelstelling mRNA voor kwantificering van qPCR polymerase-kettingreactie.

Biotine gebaseerde Pulldown Assay te valideren mRNA doelstellingen van cellulaire miRNAs

Hier beschrijven we een methode voor de beoordeling van de Long-expressie van miRNAs die zijn voorspeld te reguleren van inflammatoire genen met behulp van muizen blootgesteld aan ozon of gefilterde lucht in verschillende stadia van de oestrische cyclus.

Long microRNA profilering in de oestrische cyclus in ozon-blootgesteld muizen

Hier beschrijven we een stapsgewijze strategie voor het isoleren van kleine Rna's, verrijkend voor Microrna's en het voorbereiden van samples voor sequentiëren met hoge doorvoer. Vervolgens beschrijven we hoe u de volgorde leest en lijnt u deze uit op microRNAs met behulp van open source tools.

Een complete pijplijn voor het isoleren en Sequentiëren van Microrna's en het analyseren ervan met open source tools

We presenteren een gedetailleerd protocol voor het op aardappelvirus X (PVX) gebaseerde microRNA-uitschakelingssysteem (VbMS) om endogene microRNA's (miRNA's) in aardappelen functioneel te karakteriseren. Target mimic (TM) moleculen van miRNA van belang worden geïntegreerd in de PVX-vector en tijdelijk uitgedrukt in aardappel om de doel miRNA- of miRNA-familie tot zwijgen te brengen.

Aardappelvirus X-Based microRNA Silencing (VbMS) In Aardappel.

Deze methode toont het gebruik van de noordelijke hybridisatie techniek om miRNAs te detecteren van de totale RNA extract.

RNA Blot Analyse voor de detectie en kwantificering van Plant MicroRNAs

Hierin presenteren we een nieuwe en volledig geautomatiseerde miRNA-pijplijn, mirMachine die 1) bekende en nieuwe miRNA's nauwkeuriger kan identificeren en 2) volledig geautomatiseerd en vrij beschikbaar is. Gebruikers kunnen nu een kort indieningsscript uitvoeren om de volledig geautomatiseerde mirMachine-pijplijn uit te voeren.

mirMachine: een one-stop-shop voor miRNA-annotatie van planten

Leer een bioinformatica-pijplijn voor nauwkeurige en efficiënte analyse van microRNA-transcriptomen in planten. Deze methode vermindert valse positieven en verkort de verwerkingstijd aanzienlijk.

Een bioinformatica-pijpleiding om de MicroRNA Transcriptomes in fabrieken nauwkeurig en efficiënt te analyseren

Meer video's verkennen