miRNA-Sequenzierungsdaten-Analyse-Service

Einführung in die Analyse von miRNA-Sequenzierungsdaten

Mit dem Fortschritt der Hochdurchsatz-Sequenzierungstechnologien ist die miRNA-Sequenzierung zu einem leistungsstarken Werkzeug für das Profiling der miRNA-Expression in verschiedenen Proben geworden. Die Analyse von miRNA-Sequenzierungsdaten ist entscheidend für das Verständnis der Genregulation, der Krankheitsmechanismen und der personalisierten Medizin. Sie ermöglicht die Entdeckung von regulatorischen miRNAs, die an wichtigen biologischen Prozessen beteiligt sind, sowie die Identifizierung von miRNAs als potenzielle Biomarker für die Krankheitsdiagnose, Prognose und Therapieansprechen. Darüber hinaus hilft die Analyse von miRNA-Sequenzierungsdaten, komplexe miRNA-vermittelte regulatorische Netzwerke zu entschlüsseln und unterstützt die Entwicklung von Ansätzen der personalisierten Medizin. Die Integration von miRNA-Sequenzierungsdaten mit anderen Omics-Daten verbessert unser Verständnis biologischer Prozesse und ermöglicht die Entwicklung gezielter Therapien.

miRNA-Sequenzierungsdatenanalyse-Service

Das Team von CD Genomics aus professionellen Bioinformatikexperten mit umfangreicher Projekterfahrung bietet Dienstleistungen zur Analyse von miRNA-Sequenzierungsdaten an, einschließlich Standardanalysen, fortgeschrittenen Analysen und maßgeschneiderten Analysen, um Ihren spezifischen Forschungsbedürfnissen gerecht zu werden.

miRNA-Seq-Datenanalyse-Workflow

Datenanalyse-Inhalt

1. Statistiken zur Längenverteilung von Mikro-RNAs

Wenden Sie fastx (fastx_toolkit-0.0.13.2) an, um die ursprünglichen Reads vorzubereiten, Adaptersequenzen und Sequenzen mit niedriger Qualität (einschließlich unklarer Basen N, Sequenzen mit einer Basisqualität von weniger als 10 und einer Länge von weniger als 18 nt) zu entfernen, und geben Sie schließlich die Statistiken der Verarbeitungsergebnisse in einer Tabelle sowie ein Längendistributionsdiagramm an.

2. Statistiken zur Annotation der MicroRNA-Ausrichtung

Die durch Sequenzierung erhaltene Sequenz wurde mit der Sanger miRBase-Datenbank, bekannten rRNA-, tRNA-, Wiederholungsregionen, der RefSeq-Datenbank und anderen nicht kodierenden Datenbanken wie ncRNA, piRNA, der Rfam-Datenbank verglichen und die bekannten Mikro-RNAs annotiert.

3. Annotation anderer kleiner RNAs

Die sequenzierten Reads werden an die entsprechenden genomischen Datenbanken der Arten ausgerichtet, und die Quellen der annotierten Reads werden klassifiziert und gezählt. Dieser Prozess hilft, bekannte Mikro-RNAs und andere verschiedene Typen von kleinen RNA-Molekülen zu identifizieren und zu quantifizieren.

4. Vorhersage neuer microRNAs

Die charakteristische Haarnadelstruktur von MikroRNA-Vorläufern kann verwendet werden, um neuartige MikroRNAs vorherzusagen. Für Sequenzen, die in den Alignierungsergebnissen nicht annotiert sind, werden sie mit dem gesamten Genomsequenz der Art verglichen. Durch die Analyse der Faltmodelle wird eine Sequenz, die sich auf einer Stem-Loop-Struktur befindet, vorläufig als potenzielle neuartige MikroRNA identifiziert.

Für die vorhergesagten neuartigen Mikro-RNAs werden ihre chromosomalen Standorte, Start- und Endpositionen, Strangorientierung sowie numerische Werte wie Anzahl, Länge, GC-Gehalt und freie Energie aufgezeichnet und aufgelistet.

Zusätzlich werden für die neuartigen Mikro-RNAs die Sekundärstruktur ihrer Vorläufer und ihre Beziehung zu reifen Mikro-RNAs berechnet und präsentiert.

5. Saturationsanalyse-Diagramme

Die Saturationsanalyse untersucht, ob die Detektion von Mikro-RNAs, die in der miRBase-Datenbank aufgeführt sind, mit zunehmender Sequenzierungstiefe steigt. Die Annotationsergebnisse werden proportional aufgeteilt und grafisch dargestellt, um den Trend der Annotationsergebnisse in biologischen Proben zu beobachten und deren biologische Validität sicherzustellen.

6. Auswahl der mikroRNA-Expression

Unterschiede zwischen den Samples DEGseq R-Paket und Perl-Skripten werden verwendet, um die Expressionsniveaus von Mikro-RNAs zwischen den Proben basierend auf den Gruppierungskriterien des Kunden zu vergleichen (z. B. Kontrollgruppe vs. Experimentalgruppe). In der differentiellen Analyse wird TPM (Transkripte pro Million) als normalisierte Daten verwendet, berechnet als die individuelle Mikro-RNA-Lesekapazität multipliziert mit 10^6, geteilt durch die Gesamtlesekapazität.

7. Vorhersage von Mikro-RNA

Zielgene Die miranda-Software wird verwendet, um potenzielle Zielstellen für MikroRNA-Sequenzen und die entsprechenden genomischen cDNA-Sequenzen der Spezies vorherzusagen.

(Zhaohui Luo et al., 2012)

Alternativ kann die TargetScan-Datenbank verwendet werden, um Mikro-RNAs mit ihren Zielgenen zu verknüpfen. Die Ergebnisse enthalten relevante Informationen über die Mikro-RNA und ihre Zielgene.

8. GO-Funktionelle Anreicherungsanalyse (Zielgene)

(Yuepeng Song et al., 2013)

9. Analyse der Anreicherung der Bedeutung von Signalwegen (Zielgene)

Fall 1: Sexueller Dimorphismus in der Profilierung von floralen Mikro-RNAs und der Genexpression von Zielgenen in andromonoecious Pappel (Populus tomentosa). PLoS One. 2013, 8(5):e62681. (IF3.730)

Diese Studie berichtet erstmals über die Identifizierung von miRNAs, die mit der Blütenentwicklung assoziiert sind, sowie deren Zielgenen. Basierend auf der Genannotation wurden alle Zielgene in vier Kategorien eingeteilt.
Die erste Kategorie sind blütenentwicklungsbezogene Gene, einschließlich Pto-F6, Pto-F11, Pto-F14, Pto-F19, Pto-25, Pto-36, Pto-F51, Pto-F54 und Pto-F66.
Die zweite Kategorie sind Gene, die mit dem Transport von Calciumionen in Verbindung stehen: Pto-F28 und Pto-F45 (weibliche blüten-spezifische miRNAs) sowie Pto-F16 (männliche blüten-spezifische miRNA).
Die dritte Kategorie sind hormone-regulationsbezogene Gene: 10 miRNAs (ohne Pto-F6), die überwiegend in weiblichen Blüten exprimiert werden.
Die vierte Kategorie sind DNA-Methylierungs-verwandte Gene: drei miRNAs.
Diese Ergebnisse bieten Einblicke in die regulatorischen Rollen von miRNAs in der Blütenentwicklung, einschließlich ihrer Beteiligung an der Blütenorganogenese, Hormonsignalisierung, Calciumionentransport und DNA-Methylierungsprozessen.

Fall 2: MeCP2 unterdrückt die nukleare Mikro-RNA-Verarbeitung und das dendritische Wachstum durch Regulierung des DGCR8/Drosha-Komplexes p547. Entwicklungszelle. 2014, 28, 547–60. (IF: 10.366)

Mutationen oder Kopienzahlvariationen im menschlichen MeCP2-Gen führen zu entwicklungsbedingten neurologischen Störungen, wie zum Beispiel Autismus. Forscher vom Institut für Neurowissenschaften der Shanghai Institutes for Biological Sciences der Chinesischen Akademie der Wissenschaften, geleitet von Dr. Zilong Qiu, nutzten Hochdurchsatz-Sequenzierungstechnologie, um reife kleine RNAs im hippocampalen Bereich von MeCP2-Knockout-Mäusen quantitativ zu analysieren. Sie entdeckten, dass MeCP2 die Produktion einer großen Anzahl kleiner RNAs hemmt. Diese Studie offenbarte eine neuartige Funktion des autismusassoziierten Proteins MeCP2 in der Verarbeitung kleiner RNAs und legt nahe, dass diese Funktion möglicherweise am pathogenetischen Mechanismus beteiligt ist, der den entwicklungsbedingten neurologischen Störungen zugrunde liegt, die durch Mutationen im MeCP2-Gen verursacht werden.