Search research articles

お問い合わせ

JoVEについて

概要リーダーシップブログ JoVEヘルプセンター

著者向け

出版プロセス編集委員会範囲と方針査読よくある質問投稿

図書館員向け

推薦の声購読アクセスリソース図書館諮問委員会よくある質問

研究

JoVE Journal Methods Collections JoVE Encyclopedia of Experiments アーカイブ

教育

JoVE Core JoVE Business JoVE Science Education JoVE Lab Manual 教員リソースセンター教員サイト

プライバシーポリシー

関連する概念動画

Ribosome Profiling

Ribosome Profiling

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...

こちらも読む

関連記事

共著者、ジャーナル、引用グラフによってこの研究に関連する記事。

並び替え

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

Search research articles

関連する実験動画

Updated: Feb 18, 2026

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

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

Published on: October 25, 2018

ランダムな複合測定によるトランスクリプトミックプロファイルの効率的な生成

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.

|November 21, 2017

まとめ

遺伝子発現プロファイルの生成は高価ですこの研究では,ランダムな複合測定を導入し,RNAプロファイルを効率的にキャプチャし,遺伝子発現データの正確な再構築を大幅に減らすことができます.

キーワード:

圧縮センサー遺伝子発現ランダムな複合測定

さらに関連する動画

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

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

Published on: May 21, 2020

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

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

Published on: October 31, 2025

関連する実験動画

Last Updated: Feb 18, 2026

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

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

Published on: October 25, 2018

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

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

Published on: May 21, 2020

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

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

Published on: October 31, 2025

科学分野:

ゲノミクス
コンピュータ生物学
バイオテクノロジー

背景:

RNAプロファイルは細胞と組織状態の洞察を提供します.
大規模な遺伝子発現データを生成することは,現在,コストが控えめです.

研究の目的:

ランダムな複合測定を用いて遺伝子発現レベルを取得するための効率的な方法を開発する.
限られた測定から高次元遺伝子発現データを再構築する可能性を実証する.

主な方法:

ランダムな複合測定を用いて遺伝子の多さをランダムに加重した合計で組み合わせます
遺伝子発現データの分散型・モジュラー表現を活用する
遺伝子発現を盲目的に回復する方法を開発する

主要な成果:

遺伝子発現プロファイルの類似性は,ごく少数の複合測定を用いて近似することができます.
高次元の遺伝子発現レベルは遺伝子より100倍少ない測定で回復できます
複合的な測定から遺伝子発現の成功的な盲検回復は達成可能である.

結論:

ランダム複合測定は,高通量遺伝子発現分析における大規模なスケーリングのための費用対効果の高いアプローチを提供します.
この方法は,高次元の生物学的データを解釈するための新しい道を提供します.
提案された圧縮方式は,RNAプロファイル生成のコストと複雑さを大幅に削減できます.