Linc2function:使用深度学习方法进行长非编码RNA (lncRNA) 识别和功能预测的全面管道和网络服务器

科学领域:

• 基因组学就是基因组学.
• 生物信息学是一种生物信息学.
• 分子生物学分子生物学

背景情况:

• 长非编码RNAs (lncRNAs) 是细胞功能的关键调节者和潜在的疾病生物标志物,但它们的特定作用和转录异型在很大程度上没有特征.
• 目前的lncRNA分析方法主要集中在基因水平的研究和基于序列的歧视上,限制了全面的功能注释和跨物种适用性.

研究的目的:

• 开发和验证一种新型的计算管道,用于长非编码RNA (lncRNAs) 的高通量,异形级注释.
• 通过整合二次结构和互原子信息,增强对病理过程中的lncRNA机制的理解.
• 解决新物种的 lncRNA 标注方面的挑战,并提高 in silico 预测方法的通用性.

主要方法:

• 开发了一个计算管道,集成了转录序列,二级结构和互动组信息,用于lncRNA注释.
• 采用了转录级分析来区分lncRNAs和编码RNAs,并预测功能动机和目标生物分子.
• 通过对与两个特定疾病组相关联的lncRNAs的全面注释来验证管道的有效性.

主要成果:

• 拟议的管道允许通过结合主要序列之外的各种数据类型来对lncRNA进行全面的功能注释.
• 成功证明了管道在注释与特定疾病队列相关的lncRNA的能力.
• 开发的管道克服了基于参考和仅序列的方法的局限性,提高了准确性和通用性.

结论:

• 整合转录序列,二级结构和互原子数据对于准确和全面的lncRNA功能注释至关重要.
• 开发的管道为异形级 lncRNA 识别和注释提供了一个强大的工具,从而促进我们对 lncRNA 在疾病中的作用的理解.
• 管道的开源可用性和Web服务器接口促进了研究人员和非技术用户的可访问性.