从RNA-seq中优先考虑候选基因的方法,使用临床前可卡因自我管理数据集作为测试案例

科学领域:

• 神经科学是一个神经科学.
• 基因组学就是基因组学.
• 生物信息学是一种生物信息学.

背景情况:

• RNA测序 (RNA-seq) 对于动物模型的神经科学研究至关重要,特别是对于理解物质使用障碍.
• 然而,将动物研究结果转化为人类临床治疗仍然是一个重大挑战.
• 动物行为研究中的低统计能力可能会阻碍可靠的差异表达基因的识别.

研究的目的:

• 开发和验证一种新的生物信息学管道,以优先考虑基于转化潜力的临床前RNA-seq研究中的候选基因.
• 改进对潜在治疗点的可靠基因的识别,以改善物质使用障碍的治疗目标.
• 倡导在动物研究中加强RNA-seq数据收集,统计方法和元数据报告.

主要方法:

• 开发了一种新的管道,使用进化保护和偏好的脑组织表达来优先考虑候选基因.
• 将管道应用于来自动物自我给药研究的RNA-seq数据.
• 从第三个数据集中对未经校正的P值和随后与错误发现率 (FDR) 校正的差异表达基因进行了评估管道效用.

主要成果:

• 管道成功优先考虑候选基因,证明其在增强翻译潜力的实用性.
• 在FDR校正后的初步分析中没有发现任何显著的差异表达基因,这可能是由于统计能力较低.
• 该管道的有效性进一步通过使用FDR纠正差异表达基因 (FDR <0.05) 的数据集来说明.

结论:

• 开发的管道有效地增加了来自模型生物的RNA-seq数据的翻译效用,通过专注于进化保存和脑特异性基因.
• 在RNA-seq数据生成,统计分析和报告方面的改进对于在临床前神经科学中强大的基因发现至关重要.
• 这种方法有望弥合动物研究和对物质使用障碍的临床应用之间的差距.