dsRID:使用长时间读取的RNA-seq数据在dsrna区域的无编辑的in silico识别
Ryo Yamamoto1, Zhiheng Liu2, Mudra Choudhury1
1Bioinformatics Interdepartmental Program, University of California, Los Angeles, California, USA.
bioRxiv : the preprint server for biology
|June 19, 2023
概括
我们开发了dsRID,这是一种机器学习工具,可以使用长读RNA测序来识别双链RNA (dsRNA) 区域. 这种方法可以准确地检测dSRNA配置文件,提供有关先天免疫和阿尔茨海默氏症等疾病的见解.
科学领域:
- 分子生物学分子生物学
- 生物信息学是一种生物信息学.
- 免疫学 免疫学 免疫学
背景情况:
- 双链RNAs (dsRNAs) 是通过细胞质传感蛋白来激活先天免疫的关键激活剂.
- 了解内源的dsRNA格局 (dsRNAome) 对于破译其在人类疾病中的作用至关重要.
- 现有的dsRNA识别方法有限,特别是复杂的转录基因数据.
研究的目的:
- 开发和验证dsrid,一种基于机器学习的新型计算方法,用于预测dsrna区域.
- 为了利用长时间读取的RNA测序 (RNA-seq) 数据进行增强的dsRNA检测.
- 调查阿尔茨海默病 (AD) 的全球dsRNA概况,并将其与对照样本进行比较.
主要方法:
- 开发了dsRID,这是一种在PacBio上训练的机器学习模型,从阿尔茨海默氏病的大脑组织中长时间读取RNA序列数据.
- 利用dSRNA特有的分子特征进行预测.
- 应用了dsRID来分析ENCODE联盟的AD队列中的dsRNA配置文件.
主要成果:
- dsRID在预测多个独立数据集中的dsRNA区域方面表现出高准确性.
- 这项研究描述了阿尔茨海默氏症队列中的全球dsRNA概况.
- 在阿尔茨海默病患者和对照人群之间观察到潜在不同的dsRNA表达模式.
结论:
- dsRID提供了一种有效的计算方法,可以使用长时间读取的RNA序列数据来识别dsrna区域.
- 这种方法可方便对dsRNAome进行全面分析.
- 这些发现为探索dsrna在阿尔茨海默氏症病原和天生的免疫力中的作用提供了基础.


