在qRT-PCR分析中开发一个强大的和可泛化的算法"gQuant",用于准确的正常化基因选择
Abhay Kumar Pathak1, Sukhad Kural2, Shweta Singh3
1DST-CIMS, Institute of Science, Banaras Hindu University, Varanasi, India.
Scientific reports
|August 13, 2024
概括
一个新的工具,gQuant,通过选择可靠的正常化基因用于qRT-PCR分析,提高基因表达量化的准确性. 这解决了使用microRNAs,长非编码RNAs和信使RNAs发现生物标记物的挑战.
科学领域:
- 生物标志物发现发现
- 分子诊断学 分子诊断
- 生物信息学是一种生物信息学.
背景情况:
- 核酸生物标志物 (miRNAs, lncRNAs, mRNAs) 对于疾病诊断至关重要.
- 定量逆转录PCR (qRT-PCR) 是生物标志物测量的标准.
- 准确的qRT-PCR需要可靠的正常化基因,目前缺乏非编码RNA.
研究的目的:
- 在qRT-PCR中开发用于正常化基因选择的强大工具.
- 克服现有的规范化器选择工具中的统计局限性和可视化差异.
- 为了提高生物标志物分析的基因表达量化的精度.
主要方法:
- 开发了"gQuant",一种使用投票分类器结合多种统计方法的新工具.
- 通过使用各种尿道外体miRNA数据集验证的gQuant.
- 将gQuant的性能与现有的规范化器选择工具进行比较.
主要成果:
- 与现有的工具相比,gQuant显示出优越的正常化基因排名.
- 来自gQuant的排名显示了较低的标准偏差和协差.
- 增强的内核密度估计值表明了改进的数据分布分析.
- gQuant避免了有时由其他方法产生的偏斜排名.
结论:
- gQuant显著改善了对qRT-PCR的正常化基因鉴定.
- 该工具提高了在各种研究环境中基因表达量化的精度.
- gQuant为分析qRT-PCR数据提供了一个平衡的解决方案,特别是对于非编码RNA生物标志物.
- 该gQuant工具是公开可用的.
更多相关视频
11:13Enrichment of Native Lipoprotein Particles with microRNA and Subsequent Determination of Their Absolute/Relative microRNA Content and Their Cellular Transfer Rate
Published on: May 9, 2019
8.7K
10:50Single-cell Gene Expression Profiling Using FACS and qPCR with Internal Standards
Published on: February 25, 2017
16.4K
