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

RNA-seq03:21

RNA-seq

12.2K
RNA sequencing, or RNA-Seq, is a high-throughput sequencing technology used to study the transcriptome of a cell. Transcriptomics helps to interpret the functional elements of a genome and identify the molecular constituents of an organism. Additionally, it also helps in understanding the development of an organism and the occurrence of diseases. 
Before the discovery of RNA-seq, microarray-based methods and Sanger sequencing were used for transcriptome analysis. However, while...
12.2K
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

A case of Incontinentia Pigmenti associated with concurrent <i>IKBKG/NEMO</i> and <i>MED13L</i> mutations.

Frontiers in medicine·2026
Same author

MiR-23c Regulates the Resistance to Gefitinib in EGFR Mutant Non-Small-Cell Lung Cancer Cells.

Cells·2026
Same author

Glycosyltransferases as Oncogenic Drivers: Lessons from Cancer Genome Mining.

DNA and cell biology·2026
Same author

Golden rules for optimizing the diagnostic pathway of IDH-mutant tumors: bridging evidence and clinical practice in cholangiocarcinoma and adult-type diffuse gliomas.

Pathologica·2026
Same author

Mining cancer genomes for copy number alterations identifies glycosylation enzymes as oncogenic drivers.

Proceedings of the National Academy of Sciences of the United States of America·2026
Same author

First-line Nivolumab plus FOLFOXIRI/Bevacizumab in advanced RAS/BRAF-mutated colorectal cancer: efficacy, safety and biomarker discovery from the phase II NIVACOR trial.

Nature communications·2026
Same journal

Correction to: Pathogenicity patterns in cytochrome P450 family.

Bioinformatics advances·2026
Same journal

Region-aware bridge modeling enables interpretable mesoscale representation of spatial transcriptomic tissue sections.

Bioinformatics advances·2026
Same journal

Microbiome differential abundance methodologies to detect relevant taxa associated with chemotherapy toxicity rate in colorectal cancer.

Bioinformatics advances·2026
Same journal

maldipickr dereplicates microbial MALDI-TOF spectra to facilitate multiplexed isolation.

Bioinformatics advances·2026
Same journal

RAM-MSA: an anytime memory-bounded method for exact multiple sequence alignment using path finding.

Bioinformatics advances·2026
Same journal

Interpretable machine learning for low-sample multi-omics: a case study of ferret vaccine response.

Bioinformatics advances·2026
Ver todos los artículos relacionados

Video Experimental Relacionado

Updated: Feb 26, 2026

Rup (RNA-seq Usability Assessment Pipeline) - Quality Control for Bulk RNA-seq Experiments in Eukaryotes
05:07

Rup (RNA-seq Usability Assessment Pipeline) - Quality Control for Bulk RNA-seq Experiments in Eukaryotes

Published on: November 7, 2025

434

REDAC: Chatbot para el análisis de datos de expresión de RNA-seq

Giovanni Maria De Filippis1, Pranoy Sahu2, Pasqualina Ambrosio2

  • 1Department of Electrical Engineering and Information Technology, University of Naples Federico II, Naples, 80125, Italy.

Bioinformatics advances
|February 25, 2026
PubMed
Resumen
Este resumen es generado por máquina.

REDAC simplifica el análisis de datos de expresión de RNA-seq con consultas en lenguaje natural. Esta aplicación R basada en web mejora la exploración, visualización e interpretación de datos, promoviendo la investigación reproducible para todos los usuarios.

Palabras clave:
análisis de datos de expresión de RNA-seqchatbotlenguaje naturalaplicación Rinvestigación reproduciblevisualización de datosinterpretación biológicaenriquecimiento de víasmodelos de lenguaje grandesbioinformática

Más Videos Relacionados

A Bioinformatics Pipeline for Investigating Molecular Evolution and Gene Expression using RNA-seq
07:09

A Bioinformatics Pipeline for Investigating Molecular Evolution and Gene Expression using RNA-seq

Published on: May 28, 2021

10.6K
Identification of Key Factors Regulating Self-renewal and Differentiation in EML Hematopoietic Precursor Cells by RNA-sequencing Analysis
12:44

Identification of Key Factors Regulating Self-renewal and Differentiation in EML Hematopoietic Precursor Cells by RNA-sequencing Analysis

Published on: November 11, 2014

12.8K

Videos de Experimentos Relacionados

Last Updated: Feb 26, 2026

Rup (RNA-seq Usability Assessment Pipeline) - Quality Control for Bulk RNA-seq Experiments in Eukaryotes
05:07

Rup (RNA-seq Usability Assessment Pipeline) - Quality Control for Bulk RNA-seq Experiments in Eukaryotes

Published on: November 7, 2025

434
A Bioinformatics Pipeline for Investigating Molecular Evolution and Gene Expression using RNA-seq
07:09

A Bioinformatics Pipeline for Investigating Molecular Evolution and Gene Expression using RNA-seq

Published on: May 28, 2021

10.6K
Identification of Key Factors Regulating Self-renewal and Differentiation in EML Hematopoietic Precursor Cells by RNA-sequencing Analysis
12:44

Identification of Key Factors Regulating Self-renewal and Differentiation in EML Hematopoietic Precursor Cells by RNA-sequencing Analysis

Published on: November 11, 2014

12.8K

Área de la Ciencia:

  • Bioinformática
  • Biología Computacional
  • Genómica

Sus antecedentes:

  • El análisis de datos de expresión de RNA-seq presenta desafíos significativos debido a procesos analíticos complejos y dificultades de interpretación.
  • Los investigadores a menudo requieren la experiencia de bioinformáticos para tareas como la selección de pruebas estadísticas y la realización de normalización y filtrado de datos.
  • Garantizar el rigor y la reproducibilidad en el análisis de RNA-seq sigue siendo un obstáculo para muchos usuarios.

Objetivo del estudio:

  • Desarrollar una plataforma fácil de usar que simplifique y mejore la exploración y el análisis de datos de expresión de RNA-seq.
  • Proporcionar un método sencillo para realizar análisis diferenciales de RNA-seq utilizando consultas en lenguaje natural.
  • Integrar Modelos de Lenguaje Grandes para la interpretación biológica de los resultados de enriquecimiento de vías y promover la reproducibilidad de la investigación.

Principales métodos:

  • Desarrollo de REDAC, una aplicación R basada en web con una plataforma interactiva.
  • Implementación de procesamiento de consultas en lenguaje natural para el análisis de RNA-seq.
  • Integración de Modelos de Lenguaje Grandes (Gemma, LLaMA) con un módulo de Generación Aumentada por Recuperación basado en PubMed para la interpretación del enriquecimiento de vías.
  • Generación automatizada de informes de análisis para garantizar la reproducibilidad.

Principales resultados:

  • REDAC ofrece un enfoque simplificado, rápido y transparente para el análisis de datos de expresión de RNA-seq.
  • La aplicación permite a los usuarios realizar análisis completos, generar visualizaciones integrales y obtener interpretaciones biológicas.
  • REDAC facilita la investigación reproducible a través de la generación automatizada de informes.
  • La plataforma integra con éxito LLM para una mejor interpretación biológica del enriquecimiento de vías.

Conclusiones:

  • REDAC aborda eficazmente la complejidad del análisis de datos de RNA-seq, haciéndolo accesible a una gama más amplia de investigadores.
  • La herramienta mejora la exploración, el análisis y la interpretación de datos a través de una interfaz intuitiva impulsada por lenguaje natural.
  • REDAC promueve la reproducibilidad en la investigación bioinformática mediante la automatización de la generación de informes y la integración de métodos de interpretación avanzados.