miRNA分析--数据过滤(一) miRNA分析--比对(二) 根据miRNA Target Prediction in Plants, miRNA并非所有区域都要求严格匹配,其中第1位碱基和第14位以后的碱基是允许错配(以miRNA 5'为始). miRNA 文件提交不管是U或者T都是可以的 miRNA 靶基因预测我采用了3个工具 1.psRNATarget: A plant Samll RNA Target Analysis Server 进去以后,提交自己miRNA文件,fasta格式,并

Finding Enriched Motifs in Genomic Regions (findMotifsGenome.pl) 在指定区域做motif enrichment,大大降低了假阳性. MEME也可以做,但是设定更加复杂. 转录因子的表达具有高度的组织特异性,而且已知的TF只有1000多个,基因有30000多个,所以一个TF的靶基因可能有几百个,而且具有高度的时空组织特异性. 实验的方法就不说了,可靠.成本高.耗费劳力. 以下只说高通量数据的预测方法. 最简单的预测就是基于基因表达,c

转载:http://www.oebiotech.com/Article/mirnabjyyc.html http://www.ebiotrade.com/newsf/2014-9/201492594150379.htm miRNA自从被发现以来,一直备受关注,俨然已成为非编码RNA家庭中永不凋零的“玫瑰”.关于miRNA,主要有两个研究方向,其一是作为biomarker,这方面研究仅需足够庞大的临床样本支撑即可:miRNA的另一研究方向为功能机制研究,此时必须有miRNA靶基因的参与,可是如何确

PASA, acronym for Program to Assemble Spliced Alignments, is a eukaryotic genome annotation tool that exploits spliced alignments of expressed transcript sequences to automatically model gene structures, and to maintain gene structure annotation cons

SVM软件包 LIBSVM -- A Library for Support Vector Machines(本项目所用到的SVM包)(目前最新版:libsvm-3.21,2016年7月8日) C-SVC(C-support vector classification), nu-SVC(nu-support vector classification), one-class SVM(distribution estimation), epsilon-SVR(epsilon-support vec

MicroRNA (miRNA)  是一类内生的.长度约为20-24个核苷酸的小 RNA,其在细胞内具有多种重要的调节作用.每个 miRNA 可以有多个靶基因的表达,而几个 miRNA 也可以调节同一个基因的表达.据推测,miRNA 调节着人类三分之一的基因. miRNA命名 1.物种 hsa.mmu.rno分别代表人.小鼠.大鼠. 2.类别 mir.MIR.miR分别代表动物未成熟miRNA.植物未成熟miRNA.成熟 RNA. 3.序号 即阿拉伯数字.代表miRNA发现的先后顺序.一般情况下

miRNA MicroRNA (miRNA)  是一类内生的.长度约为20-24个核苷酸的小 RNA,其在细胞内具有多种重要的调节作用.每个 miRNA 可以有多个靶基因的表达,而几个 miRNA 也可以调节同一个基因的表达.据推测,miRNA 调节着人类三分之一的基因. 1.物种 hsa.mmu.rno分别代表人.小鼠.大鼠. 2.类别 mir.MIR.miR分别代表动物未成熟miRNA.植物未成熟miRNA.成熟 RNA. 3.序号 即阿拉伯数字.代表miRNA发现的先后顺序.一般情况下,数

TargetScan 是一个miRNA 靶基因预测的网站, 包括了 人, 小鼠,果蝇 , 线虫, 斑马鱼 共5个物种的miRNA 靶基因结果, 人 : TargetScanHuman 小鼠 :TargetScanMouse 果蝇:TargetScanFly 线虫:TargetScanWorm 斑马鱼 : TargetScanFish 以human 为例,进行说明,网址如下: http://www.targetscan.org/vert_71/ 最新版本为release 7.1, 2016年6月更

目录 流程使用 问题 记录下braker2的使用要点,以备忘记. 流程使用 braker2有很多流程,根据你的数据:组装的基因组.转录组.蛋白(同源,包括近缘或远缘)选择不同流程,官网有说明: https://github.com/Gaius-Augustus/BRAKER 现在的动植物组装,大多数都含有以上三类数据吧,因此可选择如下流程,用公共数据库OrthoDB中的直系同源蛋白,根据自己的物种选择,有动物植物微生物等,如我选择植物就有300多万条序列. 作者指出,braker2并非证据越多越

生物信息学-miRNA 转录组的分类: Noncoding RNA可分为负责Regulatory和housekeeping,housekeeping就是组织日常功能miRNA便是Regulatory RNA中的一种,长度18-22bp,具有短序列特异性,数量少于lncRNA,在相关物种中保守,20%-30%的miRNA可通过对non-coding RNA的靶向结合,达到调控编码蛋白质过程,从而调控制造蛋白质. miRNA参与生命活动,RNAi(RNA interference)是miRNA的一种

相比动物miRNA 而言, 植物miRNA 的研究相对较少. 植物miRNA 相比动物miRNA , 有以下特点: 1) 植物miRNA 的长度为 21 nt 左右, 动物miRNA 长度在 22 ~ 23 nt; 2)   植物 miRNA 与 靶标转录本几乎完全互补配对,而动物 miRNA 不是: 3) 植物 miRNA 结合的区域可以位于任何区域,而动物 miRNA 主要在3‘ UTR 区结合: 植物miRNA 的形成过程: pri-miRNA          =>          

做了好久的RNA-seq分析,基因表达也在口头溜了几年了,但似乎老是浮在表面. 对一件事的了解程度决定了你的思维深度,只想做技工就不用想太多,想做大师就一定要刨根问底. 老是说基因表达,那么什么是基因表达?我们测序得到的基因表达其实只是一种表型,是样本的一个快照,和普通的身高体重之类的连续型表型类似. 常规的转录组分析本质上都是表型分析,clustering.pseudotime.DEG.marker,在这些分析中,每个基因都是独立的维度,属于静态的分析,此时我们关注的是某个基因的功能分析,比如

MSTE: 基于多向语义关系的有效KGE用于多药副作用预测 论文标题: Effective knowledge graph embeddings based on multidirectional semantics relations for polypharmacy side effects prediction 论文期刊: Bioinformatics 2021 MSTE: 基于多向语义关系的有效KGE用于多药副作用预测 摘要 1.引言 2.相关工作 2.1 KGE 2.2.1 基于平移的

HumanNet v2:用于疾病研究的人类基因网络人类基因网络已被证明在疾病研究的许多方面都很有用,已经开发了许多基于网络的策略来产生关于基因 - 疾病 - 药物关联的假设.预测和组织与特定疾病最相关的基因的能力已被证明是特别重要的.我们之前通过使用贝叶斯统计框架整合各种类型的组学数据,开发了人类功能基因网络HumanNet,并展示了其检索疾病基因的能力.在这里,我们介绍HumanNet v2(http://www.inetbio.org/humannet),这是一个人类基因网络数据库,通过整合

大家好,这里是专注表观组学十余年,多组学科研服务领跑者的易基因. 染色质免疫沉淀后测序(ChIP seq)是一种针对DNA结合蛋白.组蛋白修饰或核小体的全基因组分析技术.由于二代测序技术的巨大进步,ChIP-seq比其最初版本ChIP-chip具有更高的分辨率.更低的噪声和更大的覆盖范围.随着测序成本的降低,ChIP- seq已成为研究基因调控和表观遗传机制不可或缺的工具. 原理:甲醛处理细胞使目标蛋白与DNA交联,通过超声波将交联后的染色质打断成小片段,一般在200-600bp范围内.再利用抗

易基因(羟)甲基化DNA免疫共沉淀测序(h)MeDIP-seq研究成果见刊<Journal of Clinical Investigation> 2022年5月2日,中南大学湘雅二医院赵明教授团队.中国医学科学院皮肤病医院陆前进教授团队合作在Journal of Clinical Investigation上发表了题为"Iron-dependent epigenetic modulation promotes pathogenic T cell differentiation in

文献名:Integrative Analysis of MicroRNAome, Transcriptome, and Proteome during the Limb Regeneration of Cynops orientalis(东方蝾螈肢体再生的小RNA组,转录组,蛋白质组综合分析) 期刊名:Journal of Proteome Research 发表时间:(2019年1月4日) IF:3.950 单位: 西北大学生命科学学院组织工程实验室 陕西生物技术省级重点实验室 教育部西部资源

网络图(Network)看似复杂,其实构成非常简单,网络图是一种图解模型,形状如同网络,故称网络图,由节点(node)和连线(edge)两个因素组成的.其中 node 又分为 source node(源节点)和 target node(目标节点)两个因素组成的.这里的 node 就是我们的基因,edge 就是基因间的相互作用关系.任何网络图都不外乎这些构成成分.知道了网络图的构成之后,再做图分析就很简单了. 节点(node) 所谓的节点,就是我们要分析的基因.在一个网络图当中往往有数十个乃至上百

scRNA-seq做完该做的QC.normalization.imputation.clustering.trajectory和integration,就会开始做转录调控的分析了. 核心就是围绕着TF转录因子做文章 预测TF的靶基因 鉴定regulon 大部分都是高通量的预测,准确性有待论证,需要很好的实验验证设计. 预测的工具不要太多: MARINa — Andrea Califano - paper SCENIC 什么是regulon? 这是一个高通量测序后发明的词,其实就是被同一个调控元件

4.(2021.6.24)Briefings-生物信息学中的图表示学习:趋势.方法和应用 论文标题: Graph representation learning in bioinformatics: trends, methods and applications 论文期刊: Briefings in Bioinformatics 2021 论文地址: https://www.researchgate.net/profile/Haicheng-Yi/publication/354327323_G