Video Experimental Relacionado
Updated: Jan 8, 2026
05:07
Rup (RNA-seq Usability Assessment Pipeline) - Quality Control for Bulk RNA-seq Experiments in Eukaryotes
Published on: November 7, 2025
309
Unirse o no unirse: manejo de réplicas biológicas en datos de secuenciación de ARN de lectura larga
Fabian Jetzinger1,2,3, Alejandro Paniagua2,3, Stanley Cormack2,4
1BioBam Bioinformatics S.L., Valencia, Spain.
bioRxiv : the preprint server for biology
|December 22, 2025
Resumen
Se evaluaron dos estrategias para combinar datos de secuenciación de ARN de lectura larga, "Unir y Llamar" y "Llamar y Unir". Unir y Llamar es excelente para el descubrimiento de isoformas novedosas, mientras que Llamar y Unir es más eficiente para conjuntos de datos altamente replicados.
Área de la Ciencia:
- Transcriptómica
- Bioinformática
- Genómica
Sus antecedentes:
- La secuenciación de ARN de lectura larga (lrRNA-seq) ha avanzado en transcriptómica, permitiendo el descubrimiento de transcritos novedosos.
- El manejo de datos de lrRNA-seq biológicamente replicados para la generación de transcriptomas de consenso está poco explorado.
- La combinación de Muestras en estudios de lrRNA-seq impacta significativamente la identificación de transcritos.
Objetivo del estudio:
- Definir y evaluar dos estrategias distintas para la reconstrucción del transcriptoma de consenso a partir de datos de lrRNA-seq mult Muestra.
- Comparar el rendimiento de "Unir y Llamar" frente a "Llamar y Unir" en diferentes tecnologías y herramientas de secuenciación.
- Proporcionar un marco para optimizar el análisis de datos de lrRNA-seq mult Muestra.
Principales métodos:
- Se aplicaron las estrategias "Unir y Llamar" (combinar lecturas primero) y "Llamar y Unir" (anotar y luego combinar).
- Se utilizaron conjuntos de datos de lrRNA-seq de cerebro y riñón de ratón altamente replicados (PacBio y ONT).
- Se evaluaron seis herramientas de reconstrucción de transcritos de uso común para cada estrategia.
Principales resultados:
- La estrategia óptima depende de la herramienta computacional y los objetivos de la investigación.
- "Unir y Llamar" mejora la detección de isoformas novedosas y raras al agrupar la evidencia.
- "Llamar y Unir" es computacionalmente eficiente y adecuado para datos altamente replicados cuando el descubrimiento de transcritos raros no es el objetivo principal.
Conclusiones:
- La elección entre "Unir y Llamar" y "Llamar y Unir" impacta los resultados del análisis de lrRNA-seq.
- Los hallazgos ofrecen orientación práctica para las mejores prácticas en estudios de lrRNA-seq mult Muestra.
- Este marco ayuda a los investigadores a maximizar los conocimientos de los conjuntos de datos transcriptómicos a gran escala.
