Jove
Visualize
Contáctanos
JoVE
x logofacebook logolinkedin logoyoutube logo
ACERCA DE JoVE
Visión GeneralLiderazgoBlogCentro de Ayuda JoVE
AUTORES
Proceso de PublicaciónConsejo EditorialAlcance y PolíticasRevisión por ParesPreguntas FrecuentesEnviar
BIBLIOTECARIOS
TestimoniosSuscripcionesAccesoRecursosConsejo Asesor de BibliotecasPreguntas Frecuentes
INVESTIGACIÓN
JoVE JournalMethods CollectionsJoVE Encyclopedia of ExperimentsArchivo
EDUCACIÓN
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab ManualCentro de Recursos para ProfesoresSitio de Profesores
Términos y Condiciones de Uso
Política de Privacidad
Políticas

Videos de Conceptos Relacionados

Ribosome Profiling02:24

Ribosome Profiling

4.2K
Ribosome profiling or ribo-sequencing is a deep sequencing technique that produces a snapshot of active translation in a cell. It selectively sequences the mRNAs protected by ribosomes to get an insight into a cell’s translation landscape at any given point in time.
Applications of ribosome profiling
Ribosome profiling has many applications, including in vivo monitoring of translation inside a particular organ or tissue type and quantifying new protein synthesis levels.
The technique...
4.2K

También podría leer

Artículos Relacionados

Artículos vinculados a este trabajo por autores compartidos, revista y gráfico de citas.

Ordenar por
Same author

Autonomous biomedical research with an artificial intelligence agent.

Science (New York, N.Y.)·2026
Same author

Large-scale functional annotation establishes a reference framework for human <i>LRRK2</i> variants.

medRxiv : the preprint server for health sciences·2026
Same author

Unified Transcriptome and Mechanics Map of the Intact Mammalian Preimplantation Embryo In Situ.

bioRxiv : the preprint server for biology·2026
Same author

Disordered protein LAT encodes relative levels of signaling pathways in T cell activation.

Science (New York, N.Y.)·2026
Same author

Experimental and computational methods for allelic imbalance analysis from single-nucleus RNA-seq data.

Genome biology·2026
Same author

Learning multi-cellular representations of single-cell transcriptomics data enables characterization of patient-level disease states.

Cell systems·2026

Video Experimental Relacionado

Updated: Feb 18, 2026

A Combinatorial Single-cell Approach to Characterize the Molecular and Immunophenotypic Heterogeneity of Human Stem and Progenitor Populations
09:34

A Combinatorial Single-cell Approach to Characterize the Molecular and Immunophenotypic Heterogeneity of Human Stem and Progenitor Populations

Published on: October 25, 2018

7.1K

Generación eficiente de perfiles transcriptómicos mediante mediciones aleatorias compuestas

Brian Cleary1, Le Cong2, Anthea Cheung2

  • 1Klarman Cell Observatory, Broad Institute of MIT and Harvard, Cambridge, MA, USA; Computational and Systems Biology Program, MIT, Cambridge, MA, USA.

Cell
|November 21, 2017
PubMed
Resumen

Generar perfiles de expresión génica es costoso. Este estudio introduce mediciones compuestas aleatorias para capturar eficientemente perfiles de ARN, lo que permite una reconstrucción precisa de los datos de expresión génica con una cantidad significativamente menor de mediciones.

Palabras clave:
detección por compresiónexpresión génicamediciones aleatorias compuestas

Más Videos Relacionados

Obtaining High-Quality Transcriptome Data from Cereal Seeds by a Modified Method for Gene Expression Profiling
07:18

Obtaining High-Quality Transcriptome Data from Cereal Seeds by a Modified Method for Gene Expression Profiling

Published on: May 21, 2020

7.9K
Comprehensive Spatial Profiling of Species-agnostic Transcriptomes via Stereo-seq
10:22

Comprehensive Spatial Profiling of Species-agnostic Transcriptomes via Stereo-seq

Published on: October 31, 2025

623

Videos de Experimentos Relacionados

Last Updated: Feb 18, 2026

A Combinatorial Single-cell Approach to Characterize the Molecular and Immunophenotypic Heterogeneity of Human Stem and Progenitor Populations
09:34

A Combinatorial Single-cell Approach to Characterize the Molecular and Immunophenotypic Heterogeneity of Human Stem and Progenitor Populations

Published on: October 25, 2018

7.1K
Obtaining High-Quality Transcriptome Data from Cereal Seeds by a Modified Method for Gene Expression Profiling
07:18

Obtaining High-Quality Transcriptome Data from Cereal Seeds by a Modified Method for Gene Expression Profiling

Published on: May 21, 2020

7.9K
Comprehensive Spatial Profiling of Species-agnostic Transcriptomes via Stereo-seq
10:22

Comprehensive Spatial Profiling of Species-agnostic Transcriptomes via Stereo-seq

Published on: October 31, 2025

623

Área de la Ciencia:

  • La genómica
  • Biología computacional
  • Biotecnología

Sus antecedentes:

  • Los perfiles de ARN ofrecen información sobre los estados celulares y de los tejidos.
  • La generación de datos de expresión génica a gran escala es actualmente prohibitiva en términos de costos.

Objetivo del estudio:

  • Desarrollar un método eficiente para obtener niveles de expresión génica utilizando mediciones compuestas aleatorias.
  • Demostrar la viabilidad de reconstruir datos de expresión génica de alta dimensión a partir de mediciones limitadas.

Principales métodos:

  • Utilizando mediciones compuestas aleatorias, donde las abundancias de genes se combinan en sumas ponderadas aleatorias.
  • Aprovechando representaciones dispersas y modulares de datos de expresión génica.
  • Desarrollo de métodos para la recuperación ciega de la expresión génica sin datos previos de capacitación.

Principales resultados:

  • La similitud del perfil de expresión génica se puede aproximar utilizando muy pocas mediciones compuestas.
  • Los niveles de expresión génica de alta dimensión se pueden recuperar con 100 veces menos mediciones que los genes.
  • Es posible lograr la recuperación ciega exitosa de la expresión génica a partir de mediciones compuestas.

Conclusiones:

  • Las mediciones compuestas aleatorias ofrecen un enfoque rentable para la escala masiva en el análisis de la expresión génica de alto rendimiento.
  • Este método ofrece nuevas vías para interpretar datos biológicos de alta dimensión.
  • Las modalidades de compresión propuestas pueden reducir significativamente el costo y la complejidad de la generación de perfiles de ARN.