讀書筆記:LncRNA功能預測

閱讀時間約 2 分鐘
LncRNA與一般mRNA不同,不會轉譯成蛋白。因此,藉由蛋白質家族或是結構來預測可能的功能這條路基本上不可行。一路上陸陸續續看過幾篇文章用不同方式來預測LncRNA的功能,基本上都是利用某中LncRNA的特性(表現量之類的)與現有的mRNA掛勾,如此一來就可以間接使用現成的蛋白質功能資料。

當然每篇文章巧妙各有不同,有些感覺很唬爛,有些好像還真有點意思。比較早期的,像是Genome research 2012 這篇 Genome-wide analysis of long noncoding RNA stability 利用的是RNA的穩定度。邏輯大概如下類似功能的基因,RNA穩定度基本相近,所以LncRNA跟其他穩定度相近的mRNA可能有類似的功能,恩。

今年又順手撈到一篇 In vivo functional analysis of non-conserved human lncRNAs associated with cardiometabolic traits 發表在Nature Communication. 基本上是把LncRNA跟GWAS還有eQTL掛鉤。

GWAS (Genome wide association study):利用每個人體內,基因組內SNP (single nucleotide polymorphism) 的組合不同,建立SNP與疾病 (或是任何指定現象)的連結。
qQTL (expression quantitative trait loci) : 簡單說,類似GWAS概念,建立SNP與基因表現變異的連結。

說得很簡單,不過在deep-seq 出來之前,這事情可想都不用想。就算早期的deep-seq 可能也沒特別針對這塊去處理 -- > 也就是說,全部分析都要重跑一遍,加上不同deep-seq平台跟方法也會有差異,是個大工程來著。

不管怎樣,反正科學家本來就是任性,想知道就會卯起來解決問題本人
整體的分析跟後續的驗證看起來也不錯,之後應該會有方便的資料庫可以使用吧?

這幾年看下來,真的生物這一塊對於資訊能力的要求越來越高了,或是說傳統的分子生物到了某個極限,沒有什麼獨門生意可言 (需要燒錢的除外),越來越需要與其他領域結合才能有創新發現啊。
    留言0
    查看全部
    avatar-img
    發表第一個留言支持創作者!
    你可能也想看
    Google News 追蹤
    引言:RNA的時代 引言《RNA的時代》概述了分子生物學的重要變革,尤其是RNA在科學與醫學中的崛起及其重要性。以下為核心內容的詳述: 核心內容 RNA的重新發現 在20世紀初期,物理學是科學的主流,隨後生物學(特別是DNA研究)逐漸成為焦點。然而,RNA在很長一段時間內被視為“配角”。隨
    我們做實驗的目的, 往往是想要量化「確定的不確定性 Certain Uncertainty」。 什麼是「不確定性 Uncertainty」? 其實就是無法透過控制各種變因來控制下來的現象。 在做實驗的時候, 就算你已經把實驗條件盡量控制一樣了, 其實實驗的結果每次還是會有一些差異。
    Thumbnail
    GNN發展背景 傳統的深度學習模型如在計算機視覺(CV)和自然語言處理(NLP)領域中極為成功,主要是處理結構化數據如影像和文本。這些數據類型通常具有固定且規律的結構,例如影像是由有序的像素點組成。然而,在真實世界中,許多數據是非結構化的,如化合物結構(原子和分子)。這些數據雖然具有一定的規則性,
    Thumbnail
    長短期記憶(英語:Long Short-Term Memory,LSTM)是一種時間循環神經網路(RNN),論文首次發表於1997年。 LSTM(長短期記憶)是一種特定類型的遞歸神經網絡(RNN),在許多需要處理時間序列數據或順序數據的應用中非常有用。 以下是一些常見的 LSTM 應用:
    Thumbnail
    基因表現,就是讓位於我們基因體裡面的基因,透過轉錄與轉譯產生蛋白質。 轉錄需要轉錄因子,而轉錄因子上面有些重要的區域,如轉錄活化區域,並不是很容易發現,更不用提研究。 最近有研究團隊開發了一個新方法來研究轉錄活化區域,很厲害喔!
    Thumbnail
    感謝子不語的發問 問題:請問生物課本裡面的基因,跟DNA似乎不是一對一對應?所以是多少DNA可以表現一個基因?基因是怎麼定義的?
    Thumbnail
    全球抗癌藥物市場不斷擴大,臺灣生醫企業投入發展精準早篩技術,透過mRNA技術的超高準確性,低風險成本的特性,以及全球獨創的智能化檢測晶片,為癌症治療帶來革命性變革。
    Thumbnail
    本文章介紹了Nature期刊中關於蛋白質序列的深度學習模型以及未來應用的重要性。蛋白質設計的應用從生物醫學到環境科學等各個領域解決問題方面具有巨大潛力。
    課程一開始就遇到網路的問題,後來順利解決了。 這堂課包含了定序方式的介紹,序列的介紹以及序列中變異點的搜尋。 癌症中最重要的,就是找出致癌的變異點,並看看有沒有適合的藥可以用。 以目前的技術,仍然無法保證能夠找出所有的變異點,還是有一定的侷限性。 未來基因檢測的報告品質,仍然得有賴於生技公司
    Thumbnail
    為什麼我會提到目前正夯的表觀基因學?不是蹭熱度,而是因為這是功能性矯正之所以有效的立論基礎,基因所扮演的角色,沒主流傳統醫學講的那麼重要而唯一。 所以我們診所看診時很重視衛教、環境佈置,都有其道理,醫療之所以有效與持續性與否,不單只是醫護方的責任與作為,更是需要病人的配合
    引言:RNA的時代 引言《RNA的時代》概述了分子生物學的重要變革,尤其是RNA在科學與醫學中的崛起及其重要性。以下為核心內容的詳述: 核心內容 RNA的重新發現 在20世紀初期,物理學是科學的主流,隨後生物學(特別是DNA研究)逐漸成為焦點。然而,RNA在很長一段時間內被視為“配角”。隨
    我們做實驗的目的, 往往是想要量化「確定的不確定性 Certain Uncertainty」。 什麼是「不確定性 Uncertainty」? 其實就是無法透過控制各種變因來控制下來的現象。 在做實驗的時候, 就算你已經把實驗條件盡量控制一樣了, 其實實驗的結果每次還是會有一些差異。
    Thumbnail
    GNN發展背景 傳統的深度學習模型如在計算機視覺(CV)和自然語言處理(NLP)領域中極為成功,主要是處理結構化數據如影像和文本。這些數據類型通常具有固定且規律的結構,例如影像是由有序的像素點組成。然而,在真實世界中,許多數據是非結構化的,如化合物結構(原子和分子)。這些數據雖然具有一定的規則性,
    Thumbnail
    長短期記憶(英語:Long Short-Term Memory,LSTM)是一種時間循環神經網路(RNN),論文首次發表於1997年。 LSTM(長短期記憶)是一種特定類型的遞歸神經網絡(RNN),在許多需要處理時間序列數據或順序數據的應用中非常有用。 以下是一些常見的 LSTM 應用:
    Thumbnail
    基因表現,就是讓位於我們基因體裡面的基因,透過轉錄與轉譯產生蛋白質。 轉錄需要轉錄因子,而轉錄因子上面有些重要的區域,如轉錄活化區域,並不是很容易發現,更不用提研究。 最近有研究團隊開發了一個新方法來研究轉錄活化區域,很厲害喔!
    Thumbnail
    感謝子不語的發問 問題:請問生物課本裡面的基因,跟DNA似乎不是一對一對應?所以是多少DNA可以表現一個基因?基因是怎麼定義的?
    Thumbnail
    全球抗癌藥物市場不斷擴大,臺灣生醫企業投入發展精準早篩技術,透過mRNA技術的超高準確性,低風險成本的特性,以及全球獨創的智能化檢測晶片,為癌症治療帶來革命性變革。
    Thumbnail
    本文章介紹了Nature期刊中關於蛋白質序列的深度學習模型以及未來應用的重要性。蛋白質設計的應用從生物醫學到環境科學等各個領域解決問題方面具有巨大潛力。
    課程一開始就遇到網路的問題,後來順利解決了。 這堂課包含了定序方式的介紹,序列的介紹以及序列中變異點的搜尋。 癌症中最重要的,就是找出致癌的變異點,並看看有沒有適合的藥可以用。 以目前的技術,仍然無法保證能夠找出所有的變異點,還是有一定的侷限性。 未來基因檢測的報告品質,仍然得有賴於生技公司
    Thumbnail
    為什麼我會提到目前正夯的表觀基因學?不是蹭熱度,而是因為這是功能性矯正之所以有效的立論基礎,基因所扮演的角色,沒主流傳統醫學講的那麼重要而唯一。 所以我們診所看診時很重視衛教、環境佈置,都有其道理,醫療之所以有效與持續性與否,不單只是醫護方的責任與作為,更是需要病人的配合