在单细胞RNA-seq数据中使用SCINPAS识别实验支持的多A) 位
Youngbin Moon1,2, Dominik Burri1,2, Mihaela Zavolan1,2
1Computational and Systems Biology, Biozentrum University of Basel, Spitalstrasse 41, CH-4056 Basel, Switzerland.
NAR genomics and bioinformatics
|September 14, 2023
概括
通过使用单细胞RNA测序数据,SCINPAS识别了多化 (多A) 位点. 这种计算方法提高了转录组多样性研究的多样性 (A) 位点恢复分辨率.
科学领域:
- 基因组学就是基因组学.
- 分子生物学分子生物学
- 生物信息学是一种生物信息学.
背景情况:
- 替代多基化 (APA) 驱动哺乳动物的转录组多样性.
- 特定于细胞类型的APA规则要求提供定量多元 (A) 站点使用数据.
- 3'端单细胞RNA测序 (scRNA-seq) 提供了实验性多元A位点数据.
研究的目的:
- 开发一种用于从scRNA-seq数据中识别多个A位点的计算方法.
- 与标准软件相比,为了提高多个站点恢复的分辨率.
- 为了能够识别基因和非基因地区的多基因A) 位点.
主要方法:
- 开发了SCINPAS,用于scRNA-seq数据分析的计算工作流.
- 修改了读取分复制,以优先考虑远距离读取与多个A尾.
- 应用了SCINPAS来识别和量化多元 (A) 位点.
主要成果:
- SCINPAS 增强了多样性 (A) 部位恢复分辨率.
- 在实验支持下确定了已知和新型多A) 位点.
- 在基因和非基因区域中,SCINPAS确定了多基因A位点.
结论:
- SCINPAS从3'端scrRNA-seq数据准确地识别实验支持的多A位点.
- 模块化工作流允许与其他单细胞分析集成.
- SCINPAS促进了转录组多样性和APA调节的研究.


