歴史 PubMed の論文の一致は、RNA-Seq の人気が高まっていることを浮き彫りにしています。一致は RNA-Seq (青色、検索語: "RNA Seq" OR "RNA-Seq" OR "RNA sequencing" OR "RNASeq") [ 10 ] [ 11 ] RNA-Seq 以前は、遺伝子発現の研究はハイブリダイゼーションベースのマイクロアレイ で行われていました。マイクロアレイの問題点としては、交差ハイブリダイゼーションのアーティファクト、低発現遺伝子と高発現遺伝子の定量化の不正確さ、および配列を事前に [ 12 ] トランスクリプトミクスは シーケンスベースの方法に移行しました。これは、発現配列タグ ライブラリのサンガーシーケンス から、化学タグベースの方法 (遺伝子発現のシリアル解析 など) に進み、最終的には現在の技術である相補的 DNA (cDNA)の次世代シーケンス 、特に 2000 年代半ばの RNA-Seq に至りました。[ 13 ]
RNA-Seq という用語を使用していない最初の論文には、前立腺癌 細胞株 [ 14 ] Medicago truncatula [ 15 ] [ 16 ] [ 7 ] [ 17 ] [ 18 ] [ 19 ]
方法
図書館の準備 典型的なRNA-Seq実験ワークフロー。複数のサンプルからRNAを分離し、cDNAライブラリに変換し、コンピュータで読み取り可能な形式にシーケンスし、参照配列にアラインメントし、差分発現や選択的スプライシングなどの下流解析のために定量化します。典型的なRNA-Seq実験ワークフローの概要。[ 20 ] 相補的DNA （cDNA）ライブラリーをシーケンス用に準備する一般的な手順を以下に説明しますが、プラットフォームによって異なる場合がよくあります。[ 20 ] [ 3 ] [ 21 ]
RNA分離： 組織からRNAを分離し、 デオキシリボヌクレアーゼ （DNase）と混合します。DNaseはゲノムDNAの量を減少させます。RNAの分解量はゲル電気 泳動およびキャピラリー電気泳動で確認し、サンプルに RNA完全性指数（ RNA-ISN ）を割り当てます。このRNAの品質と出発RNAの総量は、その後のライブラリー調製、シーケンス、および解析の各ステップで考慮されます。RNAの選択/除去: 目的のシグナルを分析するために、単離されたRNAはそのまま保持するか、3'ポリアデニル化(ポリ(A))テールを持つRNAを濃縮して真核生物 mRNA のみを含めるか、リボソームRNA(rRNA) を除去するか、特定の配列に結合するRNAをフィルタリングするかのいずれかになります(下記のRNA選択および除去方法の表 )。真核生物の3'ポリ(A)テールを持つRNA分子は、主に成熟した処理済みのコード配列で構成されています。ポリ(A)選択は、RNAを基質(通常は磁気ビーズ)に共有結合したポリ(T) オリゴマーと混合することによって行われます。[ 22 ] [ 17 ] タンパク質 転写産物などが含まれるか、ポリ(A)テールの長さによって制御されている(例:サイトカイン)ため、ポリ(A)選択後には検出されない可能性がある。[ 23 ] [ 24 ] [ 25 ] [ 26 ] miRNA などの小さなRNAターゲットは、排除ゲル、磁気ビーズ、または市販のキットを使用したサイズ選択によってさらに分離できる。cDNA合成： RNAは、 DNAの方が安定しており、増幅（ DNAポリメラーゼ を使用）を可能にし、より成熟したDNAシーケンシング技術を活用するために、cDNAに逆転写され ます。逆転写後の増幅は鎖 の分離を引き起こしますが、これは化学標識または単一分子シーケンシングによって回避できます。断片化とサイズ選択は、シーケンシングマシンに適した長さの配列を精製するために行われます。RNA、cDNA、またはその両方は、酵素、超音波処理 、二価イオン、またはネブライザーによって断片化されます。RNAの断片化は、ランダムプライマー逆転写の5'バイアスとプライマー 結合部位の影響を低減しますが[ 17 ] 、 これらは個別に分析されます。各実験のcDNAにはヘキサマーまたはオクタマーのバーコードを付加することで、これらの実験結果を1つのレーンにまとめて多重シーケンス解析を行うことができる。
RNAバイオタイプから得られたcDNAライブラリーは、コンピュータで読み取り可能な形式に配列されます。cDNAシーケンスには、 Illumina 、Thermo Fisher 、BGI/MGI 、PacBio 、およびOxford Nanopore Technologies によって開発されたプラットフォームを含む、多くのハイスループットシーケンス技術があります。[ 27 ] スパイクイン の決定が含まれます。[ 28 ]
実験的なトランスクリプトームシーケンス技術（RNA-seq）。
mRNA以外のRNAをシーケンスする場合、ライブラリー調製法が変更されます。細胞RNAは、目的のサイズ範囲に基づいて選択されます。miRNAなどの小型RNAを標的とする場合、 サイズ選択によってRNAを単離します。これは、サイズ排除ゲル電気泳動、サイズ選択用磁気ビーズ、または市販のキットを用いて行うことができます。単離後、3'末端と5'末端にリンカーを付加し、精製します。最終段階は、逆転写によるcDNAの合成です。
単一分子リアルタイムRNAシーケンシング 大規模並列シングル分子ダイレクトRNA-Seqは、RNAからcDNA への変換、ライゲーション、増幅、およびその他のサンプル操作ステップによってバイアスやアーティファクトが生じる可能性がある従来のRNA-Seqの代替として研究されてきた。[ 31 ] Oxford Nanopore Technologies (ONT) Nanoporeシーケンス が含まれる。[ 30 ] [ 30 ] [ 32 ]
マイクロアレイ や標準的なバルクRNA-Seq解析などの標準的な方法では、多数の細胞集団からのRNAの発現を解析します。混合細胞集団では、これらの測定では、これらの集団内の個々の細胞間の重要な違いが不明瞭になる可能性があります。[ 33 ] [ 34 ]
シングルセルRNAシーケンス（scRNA-Seq）は、個々の細胞の発現プロファイル を提供します。利用可能な材料の量が少ないため、各細胞によって発現されるすべてのRNAに関する完全な情報を得ることはできませんが、遺伝子クラスタリング解析 によって遺伝子発現パターンを特定できます。これにより、これまで見たことがない可能性のある細胞集団内の希少な細胞型の存在が明らかになることがあります。たとえば、嚢胞性線維症膜貫通コンダクタンス調節因子 を発現する肺の希少な特殊細胞である肺イオン 細胞は、2018年に肺気道上皮でscRNA-Seqを実施した2つのグループによって特定されました。[ 35 ] [ 36 ]
実験上の考慮事項 RNA-Seq実験の設計および実施においては、様々なパラメータが考慮されます。
組織特異性： 遺伝子発現は組織内および組織間で異なり、RNA-Seqはこのような様々な細胞タイプの混合を測定する。そのため、目的とする生物学的メカニズムを分離することが困難になる場合がある。シングルセルシーケンスを 用いることで、各細胞を個別に解析することができ、この問題を軽減できる。時間依存性： 遺伝子発現は時間とともに変化しますが、RNA-Seqはあくまでもその瞬間的な状態を捉えるにすぎません。トランスクリプトームの変化を観察するには、時間分解RNAシーケンス 法を用いることができます。カバレッジ（深度とも呼ばれる）： RNAにはDNAで観察されるのと同じ変異が存在するため、検出にはより深いカバレッジが必要です。十分なカバレッジがあれば、RNA-Seqを使用して各アレル発現を推定できます。これにより、 インプリンティング やシス調節効果 などの現象についての洞察が得られる可能性があります。特定のアプリケーションに必要なシーケンス深度は、パイロット実験から推定できます。[ 37 ] データ生成アーティファクト（技術的変動とも呼ばれる）： 試薬（例：ライブラリー調製キット）、関与する人員、シーケンサーの種類（例：Illumina 、Pacific Biosciences ）によって、意味のある結果と誤解される可能性のある技術的アーティファクトが発生する可能性があります。あらゆる科学実験と同様に、RNA-Seq は十分に管理された環境で実施することが賢明です。これが不可能な場合、または研究がメタ分析である場合は、 潜在変数 （通常は主成分分析 または因子分析 ）を推論して技術的アーティファクトを検出し、その後これらの変数を補正するという別の解決策があります。[ 38 ] データ管理: ヒトにおける単一の RNA-Seq 実験は通常1〜5 Gb (圧縮時) であり、中間ファイルを含めるとそれ以上になります。[ 39 ] gzipなど) またはゲノミクス固有のスキーマを使用してデータを 圧縮すること です。後者は、参照配列または de novo に基づいて作成できます。もう 1 つの解決策は、マイクロアレイ実験を実行することです。これは、仮説主導の研究または再現研究 (探索的研究とは対照的に) には十分な場合があります。
分析
トランスクリプトームアセンブリ 標準的なRNA-Seq解析ワークフロー。シーケンスされたリードは参照ゲノムおよび/またはトランスクリプトームにアライメントされ、その後、さまざまな品質管理、発見、および仮説主導型解析のために処理されます。 生のシーケンスリードをゲノムの特徴に割り当てる（つまり、トランスクリプトームを組み立てる）には、2つの方法が使用されます。
デノボ:このアプローチでは、トランスクリプトームを再構築するために 参照ゲノム は必要なく、通常、ゲノムが不明、不完全、または参照ゲノムと比較して大幅に変更されている場合に使用されます。[ 40 ] コンティグ ) に結合するかを決定すること、2) シーケンスエラーやその他のアーティファクトに対する堅牢性、3) 計算効率などがあります。デノボアセンブリに使用される主要なアルゴリズムは、リード間のすべてのペアワイズオーバーラップを識別するオーバーラップグラフから、リードを長さ k のシーケンスに分割し、すべての k-mer をハッシュテーブルに集約する de Bruijn グラフ に移行しました。[ 41 ] [ 40 ] [ 42 ] Velvet [ 43 ] [ 44 ] [ 45 ] N50 など があります。[ 46 ] イントロンで分割されたショートリードを用いたRNA-Seqアライメント。ショートリードをmRNA配列および参照ゲノムにアライメントします。アライメントソフトウェアは、エクソン間接合部（赤色）と重なり、それによってpre-mRNAおよび参照ゲノムのイントロン部分をスキップするショートリードを考慮する必要があります。 ゲノムガイド: このアプローチは、DNA アライメントに使用される方法と同じ方法に依存していますが、参照ゲノムの非連続部分をカバーするリードをアライメントするという複雑さが加わります。[ 47 ] 動的計画法 を使用して最適なアライメントを見つけます。場合によっては、既知のアノテーションと組み合わせて使用します。ゲノムガイド アライメントを使用するソフトウェア ツールには、Bowtie 、[ 48 ] TopHat (スプライス ジャンクションをアライメントするために BowTie の結果を基に構築されています)、[ 49 ] [ 50 ] [ 51 ] [ 47 ] [ 52 ] [ 53 ]ゲノム誘導アライメント（マッピング）ツールの出力は、Cufflinks [ 50 ] [ 54 ] つまり 、FASTA ファイル）を再構築できます。ゲノム誘導アセンブリの品質は、1) de novo アセンブリ指標（例: N50）と 2)精度、再現率 、またはそれらの組み合わせ（例: F1 スコア）を使用した既知の転写産物、スプライス ジャンクション、ゲノム、およびタンパク質配列との比較の両方で測定できます。[ 46 ] イン シリコ 評価を実行することもできます。[ 55 ] [ 56 ] アセンブリ品質に関する注記： 現在のコンセンサスは、1) アセンブリ品質は使用する指標によって異なる可能性があり、2) ある種で高いスコアを獲得したアセンブリツールが必ずしも他の種で高いパフォーマンスを発揮するとは限らず、3) 異なるアプローチを組み合わせることが最も信頼できる可能性がある、というものです。[ 57 ] [ 58 ] [ 59 ]
遺伝子発現の定量化 発現は、外部刺激に対する細胞の変化、健康状態と疾患状態の違い、およびその他の研究課題を研究するために定量化されます。転写レベルはタンパク質量の指標としてよく使用されますが、 RNA干渉 やナンセンス変異依存性分解 などの転写後イベントのため、これらは必ずしも等価ではありません。[ 60 ]
発現量は、トランスクリプトームアセンブリ ステップで各遺伝子座にマッピングされたリード数をカウントすることによって定量化されます。発現量は、コンティグまたは参照トランスクリプト注釈を使用して、エクソンまたは遺伝子について定量化できます。[ 20 ] qPCR などの古い技術と比較して堅牢に検証されています。[ 37 ] [ 61 ] [ 62 ] [ 63 ] [ 64 ] [ 65 ] [ 66 ] [ 67 ]およびKallisto [ 68 ]
シーケンス深度/カバレッジ : [ 69 ] つまり 、RPM = FPM)。ペアエンド シーケンスでは、フラグメントごとに 2 つのリードがあります (つまり 、RPM = 2 x FPM)。シーケンス深度は、実験の中間 cDNA 分子の数であるライブラリ サイズ と呼ばれることもあります遺伝子の長さ: 転写産物の発現が同じであれば、長い遺伝子は短い遺伝子よりもフラグメント/リード/カウントが多くなります。これは、FPM をフィーチャーの長さ (遺伝子、転写産物、またはエクソン) で割ることによって調整され、結果として、100 万マッピング リードあたりのフィーチャーのキロベースあたりのフラグメント (FPKM) というメトリックが得られます。[ 70 ] [ 71 ] [ 72 ] [ 73 ] 総サンプルRNA出力： 各サンプルから同じ量のRNAが抽出されるため、総RNA量が多いサンプルでは、遺伝子あたりのRNA量が少なくなります。これらの遺伝子は発現が低下しているように見え、下流の解析で偽陽性となります。[ 69 ] [ 74 ] 分散は 、サンプリング誤差 （リードカウントの低い遺伝子にとって重要）を考慮し、検出力を高め、偽陽性を減らすようにモデル化されます。分散は、正規 分布、ポアソン 分布、または負の二項 分布として推定でき[ 75 ] [ 76 ] [ 77 ]
絶対定量化およびゲノムワイド効果の検出のためのスパイクイン RNAスパイクインとは 、既知の濃度のRNAサンプルであり、実験設計におけるゴールドスタンダードとして、またゲノム全体の効果の絶対定量や検出のための下流解析において使用できる。
アプリケーション
差次的発現 RNA-Seq の最も単純でありながら、しばしば最も強力な用途は、2 つ以上の条件 (例えば 、処理済み vs 未処理) 間での遺伝子発現の違いを見つけることです。このプロセスは差分発現と呼ばれます。出力はしばしば差分発現遺伝子 (DEG) と呼ばれ、これらの遺伝子はアップレギュレーションまたはダウンレギュレーション (つまり 、対象となる条件で高くなっているか低くなっているか) のいずれかになります。差分発現を実行するツールは多数あります。ほとんどは R 、Python 、またはUnix コマンドラインで実行されます。一般的に使用されるツールには、DESeq [ 76 ] [ 77 ] [ 75 ] [ 82 ] Bioconductor [ 83 ] [ 84 ]
入力: 差次的発現の入力には、(1) RNA-Seq 発現マトリックス (M 遺伝子 x N サンプル) と (2) N サンプルの実験条件を含む設計マトリックスが 含まれます。最も単純な設計マトリックスには、テスト対象の条件のラベルに対応する 1 つの列が含まれます。その他の共変量 (因子、特徴、ラベル、またはパラメーターとも呼ばれる) には、バッチ効果 、既知のアーティファクト、および遺伝子発現を混乱または媒介する可能性のあるメタデータが含まれます。既知の共変量に加えて、未知の共変量は、主成分 、代理変数[ 85 ] [ 38 ] 教師なし機械学習 アプローチによって推定することもできます。隠れ変数分析は、通常メタデータに含まれていない追加のアーティファクト (虚血時間、複数の機関からのソース、基礎となる臨床特性、多数の担当者による長年にわたるデータ収集) を含むヒト組織 RNA-Seq データによく使用されます 。方法: ほとんどのツールは、回帰 またはノンパラメトリック統計 を使用して差次的発現遺伝子を特定し、参照ゲノムにマッピングされたリードカウント (DESeq2、limma、edgeR) またはアライメントフリー定量化から得られたリードカウント (sleuth、[ 86 ] [ 87 ] [ 88 ] [ 89 ] 複数の仮説 (ヒトの研究では、約 20,000 個のタンパク質コード遺伝子または約 50,000 個のバイオタイプ)を考慮するために、ファミリーワイズエラー率 (FWER) または偽発見率 (FDR) p 値の調整を使用します。出力: 一般的な出力は、遺伝子の数に対応する行と、各遺伝子の log fold change (条件間の発現比率の対数変換、 効果量 の尺度)、p値、および 多重比較 補正済みp値の少なくとも3つの列で構成されます。遺伝子は、効果量 (log fold change) と統計的有意性 のカットオフ値を満たした場合に、生物学的に意味があると定義されます。これらのカットオフ値は理想的には事前に 指定されるべきですが、RNA-Seq実験の性質上、探索的な場合が多いため、効果量と関連するカットオフ値を事前に予測することは困難です。落とし穴: これらの複雑な方法が存在する理由は、統計エラー や誤解を招く解釈につながる無数の落とし穴を回避するためです。落とし穴には、偽陽性率の増加 (多重比較による)、サンプル調製アーティファクト、サンプルの不均一性 (混合遺伝的背景など)、相関性の高いサンプル、考慮されていない多段階実験デザイン 、および不適切な実験デザイン が含まれます。注目すべき落とし穴の 1 つは、インポート機能を使用せずに Microsoft Excel で結果を表示することです。これにより、遺伝子名がテキストのままになります。[ 90 ] 便利ではありますが、Excel は一部の遺伝子名 ( SEPT1 、DEC1 、MARCH2 ツールの選択とベンチマーク: これらのツールの結果を比較する取り組みは数多くあり、DESeq2 は他の方法よりもやや優れたパフォーマンスを示す傾向があります。[ 91 ] [ 92 ] [ 93 ] [ 94 ] [ 28 ] [ 89 ] [ 95 ] [ 96 ] ゴールドスタンダード と比較することによって行われます。差次的発現遺伝子のリストに対する下流解析は、観察結果の検証と生物学的推論を行うという2つの種類に分けられます。差次的発現とRNA-Seqの落とし穴のため、重要な観察結果は、（1）同じサンプルで直交法（リアルタイムPCR など）を使用するか、（2）新しいコホートで別の（場合によっては事前に登録された ）実験によって再現されます。後者は一般化可能性を確保するのに役立ち、通常はすべてのプールされたコホートのメタ解析でフォローアップできます。結果のより高次の生物学的理解を得るための最も一般的な方法は、遺伝子セット濃縮解析 ですが、候補遺伝子アプローチが使用される場合もあります。遺伝子セット濃縮は、2つの遺伝子セット間の重複が統計的に有意であるかどうかを判断します。この場合、差次的発現遺伝子と既知のパスウェイ/データベース（例 ：Gene Ontology 、KEGG 、Human Phenotype Ontology ）の遺伝子セット、または同じデータでの補完的解析（共発現ネットワークなど）の遺伝子セットとの重複です。遺伝子セット濃縮のための一般的なツールには、ウェブインターフェース（ENRICHR、g:profiler、WEBGESTALTなど）[97]やソフトウェアパッケージがあります。 濃縮結果 を評価
RNAスプライシングの代替様式の例。エクソンは青と黄色のブロックで、スプライシングされたイントロンは2つのエクソンを結ぶ水平の黒線で、エクソン間の接合部は2つのエクソンを結ぶ細い灰色の接続線で表されます。
代替スプライシング RNA スプライシングは 真核生物に不可欠であり、タンパク質の調節と多様性に大きく貢献し、ヒト遺伝子の 90% 以上で発生しています。[ 98 ]スプライシング に は、エクソン スキッピング (ヒトおよび高等真核生物で最も一般的なスプライシング モード)、相互排他的エクソン、代替ドナーまたはアクセプター部位、イントロン保持 (植物、菌類、原生動物で最も一般的なスプライシング モード)、代替転写開始部位 (プロモーター)、および代替ポリアデニル化など、複数の代替スプライシング モードがあります。[ 98 ] [ 99 ] [ 71 ] [ 100 ]
RSEMなどの他のツールでアイソフォームを事前に定量化すれば、差分遺伝子発現ツールを差分アイソフォーム発現にも使用できます。[ 107 ]
共発現ネットワーク 共発現ネットワークは、組織や実験条件を超えて同様の挙動を示す遺伝子のデータ由来の表現です。[ 108 ] [ 108 ] RNA-Seq データは、植物 [ 109 ] 哺乳類 [ 110 ] ピアソン相関 に基づいて特定の経路に関与する遺伝子を推測するために使用されてきました。この種の分析におけるマイクロアレイプラットフォームに対する RNA-Seq データの主な利点は、トランスクリプトーム全体をカバーできることであり、そのため、遺伝子制御ネットワークのより完全な表現を解明することが可能になります。同じ遺伝子のスプライスアイソフォームの差次的制御を検出して、その生物学的機能を予測するために使用できます。[ 111 ] [ 112 ] 重み付き遺伝子共発現ネットワーク分析は、 RNA seq データに基づいて共発現モジュールとモジュール内ハブ遺伝子を特定するために成功裏に使用されています。共発現モジュールは、細胞型または経路に対応する可能性があります。高度に接続されたモジュール内ハブは、それぞれのモジュールの代表として解釈できます。固有遺伝子は、モジュール内のすべての遺伝子の発現の加重和です。固有遺伝子は、診断と予後のための有用なバイオマーカー（特徴）です。[ 113 ] [ 109 ]
変異体発見 RNA-Seq は、一塩基変異 、小さな挿入/欠失 、構造変異 を含む DNA 変異を捉えます。RNA -Seq における変異検出は 、DNA 変異検出と同様で、スプライシングを考慮するための調整を加えた同じツール (SAMtools mpileup [ 114 ] [ 115 ] 対立遺伝子特異的発現 (ASE) です。インプリンティングや発現量的 形質遺伝子座 、非コード領域の希少変異 などの調節効果により、1 つのハプロタイプの変異のみが優先的に発現する可能性があります。[ 116 ] [ 117 ] [ 118 ]
個人のゲノム配列とトランスクリプトーム配列が一致していれば、転写後編集（RNA編集 ）を検出するのに役立つ。[ 3 ]
遺伝子融合事象と、遺伝子融合部位の両側に位置するペアエンドリードの挙動。遺伝子融合は、異なる染色体上の遺伝子間で起こるトランス融合、または同じ染色体上の2つの遺伝子間で起こる シス融合 のいずれかで発生する。
融合遺伝子の検出 ゲノムのさまざまな構造変化によって引き起こされる融合遺伝子は、癌との関連性から注目を集めている。[ 119 ] [ 4 ]
このアイデアは、短いトランスクリプトームリードをリファレンスゲノムにアラインメントするプロセスに基づいています。ほとんどの短いリードは1つの完全なエクソン内に収まり、より少ないながらもかなりの数のリードが既知のエクソン間接合部にマッピングされると予想されます。残りのマッピングされていない短いリードは、エクソンが異なる遺伝子由来であるエクソン間接合部に一致するかどうかを判断するためにさらに分析されます。これは融合イベントの可能性を示す証拠となりますが、リードの長さのため、非常にノイズが多くなる可能性があります。別の方法として、ペアエンドリードを使用する方法があります。この場合、多数のペアリードが両端を異なるエクソンにマッピングするため、これらのイベントをより適切にカバーできます（図を参照）。いずれにせよ、最終的な結果は、複数の、そして潜在的に新規な遺伝子の組み合わせで構成され、さらなる検証のための理想的な出発点となります。
コピー数解析 コピー数解析 （CNA）は、がん研究でよく用いられます。遺伝子の獲得と喪失はシグナル伝達経路に影響を与え、腫瘍学における分子機能不全の重要なバイオマーカーとなります。遺伝子発現の違いにより、遺伝子間でリード深度にばらつきが生じるため、RNA-SeqデータからCNA情報を抽出することは容易ではありません。このような困難さから、これらの解析のほとんどは通常、全ゲノムシーケンス/全エクソームシーケンス（WGS/WES）を用いて行われます。しかし、高度なバイオインフォマティクスツールはRNA-SeqからCNAを抽出することができます。[ 9 ]
バイオマーカーの発見 RNA-Seq は、新しい疾患生物学の特定、臨床適応症のバイオマーカーのプロファイリング、創薬可能な経路の推測、遺伝子診断を行う可能性を秘めています。[ 120 ] [ 121 ] [ 122 ]
その他の新たな分析と応用 RNA-Seq の応用は日々拡大しています。RNA-Seq のその他の新しい応用には、微生物汚染物質の検出[ 125 ] [ 9 ] [ 9 ]。
参考文献 この記事は、2019 年に 外部の 学術査読のために WikiJournal of Science に投稿されました( 査読者レポート)。更新されたコンテンツは、 CC-BY-SA-3.0 ライセンス ( 2021 年 ) の下で Wikipedia ページに再統合されました。査読された記録バージョンは次のとおりです。Felix Richter 他 (2021 年 5 月 17 日)。 「 RNA - Seq の広範な紹介」 (PDF) 。WikiJournal of Science。4 ( 2 ): 4。doi : 10.15347 /WJS/ 2021.004。ISSN 2470-6345。Wikidata Q100146647 。
↑ Lowe R、Shirley N 、 Bleackley M 、Dolan S、Shafee T (2017 年 5 月)。 「 トラン スクリプト ミクス 技術」 。PLOS Computational Biology。13 (5 ) e1005457。Bibcode : 2017PLSCB..13E5457L。doi : 10.1371/ journal.pcbi.1005457。PMC 5436640。PMID 28545146 。 ↑ Chu Y、Corey DR (2012 年8 月 )。 「 RNA シーケンス: プラットフォームの選択、実験設計、およびデータ解釈」 。Nucleic Acid Therapeutics。22 ( 4): 271–4。doi : 10.1089 / nat.2012.0367。PMC 3426205。PMID 22830413 。 1 2 3 Wang Z、Gerstein M、Snyder M（2009年1月）。 「RNA - Seq：トランスクリプト ミクス の ための革新的なツール」 。Nature Reviews . Genetics。10 （ 1 ）： 57–63。doi ： 10.1038 / nrg2484。PMC 2949280。PMID 19015660 。 1 2 Maher CA、Kumar-Sinha C 、 Cao X 、 Kalyana-Sundaram S、Han B、Jing X、et al. (2009 年 3 月 )。 「がんにおける遺伝子融合を検出するためのトランスクリプトームシーケンス 」 。Nature。458 ( 7234 ) : 97–101。Bibcode : 2009Natur.458 ... 97M。doi : 10.1038 / nature07638。PMC 2725402。PMID 19136943 。 ↑ Ingolia NT、Brar GA、Rouskin S、McGeachy AM、Weissman JS (2012年7月)。 「 リボソーム保護mRNA断片のディープシーケンスによる生体内翻訳モニタリングのためのリボソームプロファイリング 戦略 」 。Nature Protocols。7 ( 8 ) : 1534–50。doi : 10.1038 / nprot.2012.086。PMC 3535016。PMID 22836135 。 ↑ Alpern D、Gardeux V、Russeil J、Mangeat B、Meireles-Filho AC、Breysse R、et al. (2019 年 4 月)。 「BRB-seq: バルク RNA バーコーディングとシーケンスによって実現 される超低価格 の ハイスループット トランスクリプトミクス」 。Genome Biology。20 ( 1) 71。doi : 10.1186 / s13059-019-1671 - x。PMC 6474054。PMID 30999927 。 1 2 Lister R、O'Malley RC、Tonti-Filippini J、Gregory BD、Berry CC、Millar AH、Ecker JR. (2008 年 5 月)。 「 シロイヌナズナ の エピゲノム の 高度 に統合された単一塩基解像度マップ」 。Cell。133 ( 3 ): 523–536。doi : 10.1016/ j.cell.2008.03.029。PMC 2723732。PMID 1913805 。 {{cite journal}}: CS1 maint: 複数の名前: 著者リスト (リンク)↑ Lee JH 、Daugharthy ER、Scheiman J 、 Kalhor R、Yang JL、Ferrante TC、et al. (2014 年 3 月)。 「 高 多重 化 細胞 内 RNA sequencing in situ」 。Science。343 (6177): 1360–3。Bibcode : 2014Sci ... 343.1360L。doi : 10.1126 / science.1250212。PMC 4140943。PMID 24578530 。 1 2 3 4 Thind AS、Monga I、Thakur PK、Kumari P、Dindhoria K、Krzak M、et al. (2021 年 11 月)。「新興バルク RNA-Seq アプリケーション の 解明: バイオインフォマティクス手法の適用と有用性」。Briefings in Bioinformatics。22 ( 6) bbab259。doi : 10.1093/bib / bbab259。PMID 34329375 。 ↑ 「PubMed検索: "RNA Seq" OR "RNA-Seq" OR "RNA sequencing" OR "RNASeq"」 2021年6 月 20日 取得 。↑ 「PubMed検索: ("RNA Seq" OR "RNA-Seq" OR "RNA sequencing" OR "RNASeq") AND "Medicine"」 2021年6 月 20日 取得 。↑ Kukurba KR、Montgomery SB（2015 年4 月 ） 。 「 RNAシーケンスと解析」 。Cold Spring Harbor Protocols。2015 （ 11）： 951–69。doi ： 10.1101 / pdb.top084970。PMC 4863231。PMID 25870306 。 ↑ Weber AP (2015年11月) 「RNAの配列決定による新たな生物学の発見」 Plant Physiology . 169 ( 3): 1524–31 . doi : 10.1104/pp.15.01081 . PMC 4634082. PMID 26353759 . ↑ Bainbridge MN、Warren RL、Hirst M、Romanuik T、Zeng T、Go A、et al. (2006 年 9 月) 「シーケンス合成法を用いた前立腺癌細胞株 LNCaP のトランスクリプトーム解析」 BMC Genomics 7 246. doi : 10.1186 /1471-2164-7-246 . PMC 1592491 . PMID 17010196 . ↑ Cheung F、Haas BJ 、Goldberg SM、May GD、Xiao Y、Town CD (2006 年 10 月)。 「 454 Life Sciences テクノロジーを 使用 した Medicago truncatula 発現配列タグのシーケンス」 。BMC Genomics。7 ( 1 ) 272。Bibcode : 2006BMCG .... 7..272C。doi : 10.1186 / 1471-2164-7-272。PMC 1635983。PMID 17062153 。 ↑ Emrich SJ、Barbazuk WB、Li L 、 Schnable PS (2007 年 1 月)。 「 LCM - 454 トランスクリプトーム シーケンスを使用した遺伝子発見と注釈」 。Genome Research。17 ( 1 ) : 69–73。doi : 10.1101/ gr.5145806。PMC 1716268。PMID 17095711 。 1 2 3 4 Mortazavi A、Williams BA、McCue K、Schaeffer L、Wold B (2008 年 7 月)。「RNA-Seq による哺乳類トランスクリプトームのマッピングと定量 化 」 。Nature Methods。5 ( 7 ) : 621–8。doi : 10.1038 / nmeth.1226。PMID 18516045。S2CID 205418589 。 ↑ Nagalakshmi U、Wang Z、Waern K、Shou C、Raha D、Gerstein M、et al . (2008年6月)。 「 RNA シーケンス によって 定義さ れ た酵母ゲノムの転写ランドスケープ」 。Science。320 ( 5881): 1344–9。Bibcode : 2008Sci ...320.1344N。doi : 10.1126/ science.11 58441。PMC 2951732。PMID 18451266 。 ↑ リヒター F (2021)。 「RNA-Seq の広範な紹介」 。 ウィキ科学ジャーナル 。 4 (1): 4. 土井 : 10.15347/WJS/2021.004 。 1 2 3 4 Griffith M、Walker JR、Spies NC、Ainscough BJ、Griffith OL (2015 年 8 月)。 「 RNA シーケンスのための情報学: クラウド上での解析のための Web リソース 」 。PLOS Computational Biology。11 ( 8 ) e1004393。Bibcode : 2015PLSCB..11E4393G。doi : 10.1371 / journal.pcbi.1004393。PMC 4527835。PMID 26248053 。 ↑ 「RNA-seqlopedia」 . rnaseq.uoregon.edu . 2017年 2月8日 取得 。 ↑ Morin R、Bainbridge M、Fejes A、Hirst M、Krzywinski M、Pugh T、et al. (2008 年 7 月) 「ランダムプライマー cDNA と大規模並列ショートリードシーケンスを使用した HeLa S3 トランスクリプトームのプロファイリング」 BioTechniques 45 ( 1 ): 81– 94. doi : 10.2144/000112900 . PMID 18611170 . ↑ Sun Q、Hao Q、Prasanth KV (2018 年2 月 ) 。 「核長鎖ノンコーディングRNA：遺伝子発現の主要調節因子」 。Trends in Genetics。34 ( 2 ): 142– 157。doi : 10.1016/ j.tig.2017.11.005。PMC 6002860。PMID 29249332 。 ↑ Sigurgeirsson B、Emanuelsson O、Lundeberg J (2014 ↑ Chen EA、Souaiaia T、Herstein JS、Evgrafov OV、Spitsyna VN、Rebolini DF、et al . (2014 年 10 月)。 「 RNA-Seq における一意にマッピングされたリードに対する RNA の完全性 の 影響」 。BMC Research Notes。7 753。doi : 10.1186 / 1756-0500-7-753。PMC 4213542。PMID 25339126 。 ↑ Moll P、 Ante M、Seitz A 、 Reda T (2014 年 12 月 )。「RNA 定量のための QuantSeq 3′ mRNA シーケンス」。Nature Methods。11 ( 12 ) : i– iii。Bibcode : 2014NatCB..11D... 1M。doi : 10.1038 / nmeth.f.376。ISSN 1548-7105。S2CID 83424788 。 ↑ Oikonomopoulos S、Bayega A、Fahiminiya S、Djambazian H、Berube P、Ragoussis J (2020)。 「 ロング リード技術を用いた転写産物プロファイリングの方法 論 」 。Frontiers in Genetics。11 606。doi : 10.3389 / fgene.2020.00606。PMC 7358353。PMID 32733532 。 1 2 Conesa A、Madrigal P、Tarazona S、Gomez-Cabrero D、Cervera A、McPherson A、et al . (2016 年 1 月)。 「 RNA-seq データ解析のベストプラクティス の 調査」 。Genome Biology。17 (1) 13。doi : 10.1186 / s13059-016-0881-8。PMC 4728800。PMID 26813401 。 ↑ Liu D、 Graber JH (2006 年 2 月)。 「 EST ライブラリ の 定量的比較に は 、 cDNA 生成における系統的バイアスの補正が必要です」 。BMC Bioinformatics。7 77。doi : 10.1186 /1471-2105-7-77。PMC 1431573。PMID 16503995 。 1 2 3 Garalde DR、Snell EA、Jachimowicz D、Sipos B、Lloyd JH、Bruce M、他 。 （2018年3月）。 「ナノポアのアレイ上での高度に並列なダイレクト RNA シークエンシング」。 ネイチャーメソッド 。 15 (3): 201–206 。 ビブコード : 2018NatCB..15..201G 。 土井 ： 10.1038/nmeth.4577 。 PMID 29334379 。 S2CID 3589823 。 ↑ Liu D、 Graber JH (2006 年 2 月)。 「 EST ライブラリ の 定量的比較に は 、 cDNA 生成における系統的バイアスの補正が必要です」 。BMC Bioinformatics。7 77。doi : 10.1186 /1471-2105-7-77。PMC 1431573。PMID 16503995 。 ↑ Gleeson J、Lane TA、Harrison PJ、Haerty W、 Clark MB (2022)。 「 NanoCount を用いたナノポア直接 RNA シーケンスによる正確な発現定量」 。Nucleic Acids Research。50 ( 4 ) : e19。bioRxiv 10.1101 /2020.08.02.232785。doi : 10.1093/nar / gkab1129。PMC 8886870。PMID 34850115 。 ↑ 「 ↑ Kolodziejczyk AA、Kim JK 、Svensson V、Marioni JC、Teichmann SA (2015 年 5 月)。 「 シングルセル RNA シーケンスの技術と生物学」 。Molecular Cell。58 ( 4 ): 610–20。doi : 10.1016 / j.molcel.2015.04.005。PMID 26000846 。 ↑ モントロ DT、ハーバー AL、ビトン M、ビナルスキー V、リン B、ビルケット SE、他 。 （2018年8月）。 「改訂された気道上皮階層には、CFTR 発現イオノサイトが含まれています 。 」 自然 。 560 (7718): 319–324 。 Bibcode : 2018Natur.560..319M 。 土井 ： 10.1038/s41586-018-0393-7 。 PMC 6295155 。 PMID 30069044 。 ↑ Plasschaert LW、Žilionis R、Choo - Wing R、Savova V、Knehr J、Roma G、et al . (2018 年 8 月)。 「 気道 上皮の単一細胞アトラスにより、CFTR に富む肺イオン細胞が明らかになった 」 。Nature。560 ( 7718 ) : 377–381。Bibcode : 2018Natur.560..377P。doi : 10.1038 / s41586-018-0394-6。PMC 6108322。PMID 30069046 。 1 2 Li H、Lovci MT、Kwon YS、Rosenfeld MG、Fu XD、Yeo GW (2008 年 12 月)。 「 デジタル 転写 産物解析に必要なタグ密度の決定：アンドロゲン感受性前立腺癌モデルへの応用」 。 米国 科学 アカデミー 紀要 。105 (51 ) : 20179–84。Bibcode : 2008PNAS..10520179L。doi : 10.1073 / pnas.0807121105。PMC 2603435。PMID 19088194 。 1 2 Stegle O、Parts L、Piipari M、Winn J、Durbin R (2012 年 2 月)。 「遺伝子発現解析の検出力と解釈可能 性 を 高めるための、発現残差の確率的推定 (PEER) の使用 」 。Nature Protocols。7 ( 3 ) : 500–7。doi : 10.1038 / nprot.2011.457。PMC 3398141。PMID 22343431 。 ↑ Kingsford C、Patro R (2015 年 6 月)。 「 パス エンコーディング を使用 したショート リード シーケンス の 参照ベースの圧縮」 。Bioinformatics。31 ( 12): 1920–8。doi : 10.1093 /bioinformatics/ btv071。PMC 4481695。PMID 25649622 。 1 2 Grabherr MG、Haas BJ、Yassour M、Levin JZ、Thompson DA、Amit I、et al . (2011 年 5 月)。 「 参照 ゲノムなしで RNA-Seq データ から 全長トランスクリプトームをアセンブリする」 。Nature Biotechnology。29 (7): 644–52。doi : 10.1038 / nbt.1883。PMC 3571712。PMID 21572440 。 ↑ 「Illuminaリードを使用したDe Novoアセンブリ」 （PDF） 。 2020年9月24日に オリジナル （PDF）からアーカイブされました 。 2016年 10月22日 に取得。 ↑ Oases：超短リード用のトランスクリプトームアセンブラー ↑ Zerbino DR 、Birney E (2008 年5 月 )。 「 Velvet: de Bruijn グラフ を 使用 した de novo ショート リード アセンブリのアルゴリズム」 。Genome Research。18 ( 5): 821–9。doi : 10.1101 /gr.074492.107。PMC 2336801。PMID 18349386 。 ↑ Chang Z, Li G, Liu J, Zhang Y, Ashby C, Liu D, et al. (2015年2月). "Bridger: RNA-seqデータを用いたde novoトランスクリプトームアセンブリのための新しいフレームワーク" . Genome Biology . 16 (1) 30. Bibcode : 2015GenBi..16...30C . doi : 10.1186/s13059-015-0596-2 . PMC 4342890 . PMID 25723335 . ↑ Bushmanova E 、Antipov D、Lapidus A、Prjibelski AD (2019年9月)。 「rnaSPAdes: de novoトランスクリプトームアセンブラーとそのRNA-Seqデータへの応用」 。GigaScience。8 ( 9 ) giz100。doi : 10.1093 / gigascience / giz100。PMC 6736328。PMID 31494669 。 1 2 Li B、Fillmore N、Bai Y、Collins M、Thomson JA、Stewart R 他（2014年12月）。 「RNA-Seq データからの de novo トランスクリプトーム アセンブリの評価」 。 ゲノム生物学 。 15 (12) 553. Bibcode : 2014GenBi..15..553L 。 土井 : 10.1186/s13059-014-0553-5 。 PMC 4298084 。 PMID 25608678 。 1 2 Dobin A、Davis CA 、 Schlesinger F 、 Drenkow J 、Zaleski C、Jha S、et al . (2013 年 1 月)。 「 STAR : 超高速ユニバーサル RNA-seq アライナー」 。Bioinformatics。29 (1): 15–21。doi : 10.1093 /bioinformatics / bts635。PMC 3530905。PMID 23104886 。 ↑ Langmead B 、 Trapnell C、Pop M、Salzberg SL (2009)。 「ヒトゲノムへの短いDNA配列の超高速かつメモリ効率の良いアライメント」 。Genome Biology。10 ( 3 ) R25。doi : 10.1186 / gb-2009-10-3- r25。PMC 2690996。PMID 19261174 。 ↑ Trapnell C、 Pachter L 、 Salzberg SL （ 2009 年5 月 ）。 「TopHat：RNA-Seqによるスプライス接合部の発見」 。Bioinformatics。25 （ 9 ） ： 1105–11。doi ： 10.1093 /bioinformatics/ btp120。PMC 2672628。PMID 19289445 。 1 2 Trapnell C、Roberts A、Goff L 、 Pertea G、Kim D、Kelley DR、et al. (2012 年 3 月)。 「TopHat とCufflinks を使用した RNA-seq 実験の遺伝子および転写産物 の 発現 差解析」 。Nature Protocols。7 ( 3): 562–78。doi : 10.1038 / nprot.2012.016。PMC 3334321。PMID 22383036 。 ↑ Liao Y 、 Smyth GK、Shi W (2013 年 5 月)。 「サブリードアライナー: シードと投票による高速、正確、スケーラブルなリードマッピング」 。Nucleic Acids Research。41 ( 10 ): e108。doi : 10.1093/nar / gkt214。PMC 3664803。PMID 23558742 。 ↑ Kim D、 Langmead B 、Salzberg SL ( 2015 年4 月 )。 「HISAT: メモリ 要件 の低い高速スプライスアライナー」 。Nature Methods。12 (4): 357–60。doi : 10.1038 / nmeth.3317。PMC 4655817。PMID 25751142 。 ↑ Wu TD 、 Watanabe CK（2005 年5 月 ）。 「 GMAP：mRNAおよびEST配列の ゲノムマッピングおよびアライメントプログラム」 。Bioinformatics。21 （9）： 1859–75。doi ： 10.1093/bioinformatics/ bti310。PMID 15728110 。 ↑ Pertea M、Pertea GM、Antonescu CM、Chang TC、Mendell JT、Salzberg SL (2015 年 3 月)。 「 StringTie は RNA - seq リードからのトランスクリプトームの再構築 を 改善します」 。Nature Biotechnology。33 (3): 290–5。doi : 10.1038 / nbt.3122。PMC 4643835。PMID 25690850 。 ↑ Baruzzo G、Hayer KE、Kim EJ、Di Camillo B、FitzGerald GA、Grant GR (2017年2月)。 「 RNA - seq アライナー の シミュレーションに基づく包括的なベンチマーク」 。Nature Methods。14 (2): 135–139。doi : 10.1038 / nmeth.4106。PMC 5792058。PMID 27941783 。 ↑ Engström PG、Steijger T、Sipos B、Grant GR、Kahles A、Rätsch G、et al . (2013 年 12 月)。 「 RNA - seq データに対するスプライスアライメントプログラム の体系的評価」 。Nature Methods。10 ( 12): 1185–91。doi : 10.1038 / nmeth.2722。PMC 4018468。PMID 24185836 。 ↑ Lu B、Zeng Z、Shi T（2013年2月）。 「RNA - Seqに基づくトランスクリプトーム再構築のためのde novoアセンブリとゲノムガイドアセンブリ戦略の比較研究」 。Science China Life Sciences。56 （ 2）： 143–55。doi ： 10.1007 /s11427-013-4442- z。PMID 23393030 。 ↑ Bradnam KR、Fass JN、Alexandrov A 、Baranay P、Bechner M、Birol I、et al. (2013 年 7 月)。 「 Assemblathon 2: 3 つの脊椎動物種 における ゲノムアセンブリの de novo 手法の評価」 。GigaScience。2 ( 1 ) 2047-217X -2-10: 10。arXiv : 1301.5406。Bibcode : 2013arXiv1301.5406B。doi : 10.1186 /2047-217X - 2-10。PMC 3844414。PMID 23870653 。 ↑ Hölzer M、Marz M (2019 年 5 月)。 「de novo トランスクリプトーム アセンブリ: ショート リード RNA-Seq アセンブラーの包括的な種間比較」 。GigaScience。8 ( 5 ) giz039。doi : 10.1093 /gigascience / giz039。PMC 6511074。PMID 31077315 。 ↑ Greenbaum D、Colangelo C 、 Williams K、Gerstein M (2003)。 「ゲノム規模でのタンパク質存在量とmRNA発現レベルの比較」 。Genome Biology。4 ( 9 ) : 117。doi : 10.1186/gb - 2003-4-9-117。PMC 193646。PMID 12952525 。 ↑ Zhang ZH、Jhaveri DJ、Marshall VM、Bauer DC、Edson J、Narayanan RK、et al. (2014 年 8 月) 「RNA-Seq データにおける差分発現解析手法の比較研究」 PLOS ONE 9 ( 8) e103207. Bibcode : 2014PLoSO...9j3207Z . doi : 10.1371/journal.pone.0103207 . PMC 4132098 . PMID 25119138 . ↑ Anders S、Pyl PT、Huber W (2015 年1 月 )。 「HTSeq - 高スループットシーケンスデータを扱うための Python フレームワーク」 。Bioinformatics。31 ( 2 ) : 166–9。doi : 10.1093 / bioinformatics/ btu638。PMC 4287950。PMID 25260700 。 ↑ Liao Y、 Smyth GK、Shi W (2014 年4 月 )。 「 featureCounts: シーケンスリード を ゲノム 特徴に割り当てるための効率的な汎用プログラム」。Bioinformatics。30 ( 7 ): 923–30。arXiv : 1305.3347。doi : 10.1093 /bioinformatics/btt656。PMID 24227677 。 ↑ Schmid MW、 Grossniklaus U (2015 年2 月 ) 。 「Rcount: シンプル で 柔軟な RNA-Seq リードカウント」 。Bioinformatics。31 (3): 436–7。doi : 10.1093 /bioinformatics/ btu680。PMID 25322836 。 ↑ フィノテロ F、ラヴェッツォ E、ビアンコ L、バルゾン L、マゾン P、フォンタナ P、他 。 （2014年）。 「RNA 配列データの偏りを減らす: カウントを計算する新しいアプローチ」 。 BMCバイオインフォマティクス 。 15 (補足 1) S7。 土井 ： 10.1186/1471-2105-15-s1-s7 。 PMC 4016203 。 PMID 24564404 。 ↑ Hashimoto TB、Edwards MD、Gifford DK (2014 年3 月 )。 「 ハイスループットシーケンスのための普遍的なカウント補正」 。PLOS Computational Biology。10 ( 3 ) e1003494。Bibcode : 2014PLSCB..10E3494H。doi : 10.1371 / journal.pcbi.1003494。PMC 3945112。PMID 24603409 。 ↑ Patro R、Mount SM、Kingsford C (2014 年 5 月)。 「Sailfish は軽量アルゴリズムを使用して RNA-seq リードからのアライメント不要のアイソフォーム 定量 化 を 可能 に する 」 。Nature Biotechnology。32 ( 5 ) : 462–4。arXiv : 1308.3700。Bibcode : 2014NatBi..32..462P。doi : 10.1038 / nbt.2862。PMC 4077321。PMID 24752080 。 ↑ Bray NL、Pimentel H 、 Melsted P 、 Pachter L (2016 年5 月 ) 。 「ほぼ最適な確率的 RNA-seq 定量化」 。Nature Biotechnology。34 ( 5): 525–7。doi : 10.1038 / nbt.3519。PMID 27043002。S2CID 205282743 。 1 2 Robinson MD、 Oshlack A (2010)。 「RNA-seq データ の 差分発現解析のためのスケーリング正規化法」 。Genome Biology。11 ( 3 ) : R25。doi : 10.1186 /gb-2010-11-3- r25。PMC 2864565。PMID 20196867 。 ↑ Trapnell C、Williams BA、Pertea G、Mortazavi A、Kwan G、van Baren MJ、et al. (2010 年 5 月)。 「 RNA-Seq による転写産物 のアセンブリと定量化により 、 細胞分化中の注釈なし転写産物とアイソフォームスイッチングが明らかになる」 。Nature Biotechnology。28 ( 5 ) : 511–5。doi : 10.1038 / nbt.1621。PMC 3146043。PMID 20436464 。 1 2 Pachter L (2011年4月19日). "RNA-Seqからの転写産物定量化のためのモデル". arXiv : 1104.3889 [ q-bio.GN ]. ↑ 「FPKMって何？RNA-Seq発現単位のレビュー」 。The farrago 。2014年5月8日。 2018年 3月28日 取得 。 ↑ Wagner GP、Kin K、Lynch VJ (2012 年 12月 )。「RNA-seq データを使用した mRNA 存在量の測定: RPKM 測定値はサンプル間で一貫性がない」 。Theory in Biosciences。131 ( 4 ) : 281–5。doi : 10.1007 / s12064-012-0162-3。PMID 22872506。S2CID 16752581 。 ↑ Evans C、Hardin J、Stoebel DM (2018 年 9 月)。 「 仮定 の観点からサンプル間の RNA-Seq 正規化方法を選択する」 。Briefings in Bioinformatics。19 ( 5 ) : 776–792。doi : 10.1093/bib / bbx008。PMC 6171491。PMID 28334202 。 1 2 Law CW、Chen Y、Shi W、Smyth GK (2014 年 2 月)。 「voom: 精密重みにより、RNA-seq リードカウントの線形モデル解析ツールが利用可能になる」 。Genome Biology。15 ( 2 ) R29。doi : 10.1186 / gb -2014-15-2- r29。PMC 4053721。PMID 24485249 。 1 2 Anders S、Huber W (2010) 「配列カウントデータの差分発現解析」 . Genome Biology . 11 (10) R106. doi : 10.1186/gb-2010-11-10-r106 . PMC 3218662 . PMID 20979621 . 1 2 Robinson MD、McCarthy DJ、Smyth GK (2010 年 1 月)。 「 edgeR: デジタル遺伝子発現データ の 差分 発現解析 のため の Bioconductor パッケージ」 。Bioinformatics。26 ( 1): 139–40。doi : 10.1093 /bioinformatics/ btp616。PMC 2796818。PMID 19910308 。 ↑ Marguerat S 、 Schmidt A 、 Codlin S、Chen W、Aebersold R、Bähler J (2012 年 10 月)。 「 増殖 期 および 静止期の分裂酵母のトランスクリプトームとプロテオームの定量的解析」 。Cell。151 ( 3 ): 671–83。doi : 10.1016 / j.cell.2012.09.019。PMC 3482660。PMID 23101633 。 ↑ Owens ND、Blitz IL、Lane MA、Patrushev I、Overton JD、Gilchrist MJ、et al. (2016 年 1 月)。 「高時間分解能での絶対 RNA コピー数 の測定により 、 発生におけるトランスクリプトーム の 動態が 明らかになる 」 。Cell Reports。14 (3): 632–647。doi : 10.1016 /j.celrep.2015.12.050。PMC 4731879。PMID 26774488 。 ↑ Chen K, Hu Z, Xia Z, Zhao D, Li W, Tyler JK (2015 年 12 月). "見落とされていた事実: ほぼすべてのゲノムワイド解析におけるスパイクイン制御の根本的な必要性" . Molecular and Cellular Biology . 36 (5): 662– 7. doi : 10.1128/MCB.00970-14 . PMC 4760223 . PMID 26711261 . ↑ Lovén J、Orlando DA、Sigova AA、Lin CY、Rahl PB、Burge CB、et al . ( 2012 年 10 月)。 「 グローバル 遺伝子 発現 解析 の 再検討」 。Cell。151 (3): 476–82。Bibcode : 2012Cell..151..476L。doi : 10.1016 / j.cell.2012.10.012。PMC 3505597。PMID 23101621 。 ↑ Ritchie ME、Phipson B、Wu D、Hu Y、Law CW、Shi W、et al. (2015 年 4 月)。 「 limma は RNA シーケンスおよびマイクロアレイ研究の差分発現解析を強化する」 。Nucleic Acids Research。43 ( 7 ) : e47。doi : 10.1093 /nar/ gkv007。PMC 4402510。PMID 25605792 。 ↑ 「Bioconductor - バイオインフォマティクス向けオープンソースソフトウェア 」 ↑ Huber W、Carey VJ、Gentleman R 、 Anders S、Carlson M、Carvalho BS、et al. (2015 年 2 月)。 「 Bioconductor を 使用 し たハイスループットゲノム解析のオーケストレーション」 。Nature Methods。12 ( 2): 115–21。doi : 10.1038 /nmeth.3252。PMC 4509590。PMID 25633503 。 ↑ Leek JT、Storey JD (2007 年9 月 )。 「代理変数分析による遺伝子発現研究における異質性の把握 」 。PLOS Genetics。3 ( 9 ) : 1724–35。doi : 10.1371 / journal.pgen.0030161。PMC 1994707。PMID 17907809 。 ↑ Pimentel H、 Bray NL、Puente S、Melsted P、Pachter L (2017年7月)。 「 定量 化の不 確実性 を 取り入れたRNA - seqの差分解析」 。Nature Methods。14 (7): 687–690。doi : 10.1038/ nmeth.4324。PMID 28581496。S2CID 15063247 。 ↑ Trapnell C、Hendrickson DG、Sauvageau M、Goff L、Rinn JL、Pachter L (2013 年 1 月)。 「 RNA - seqによる転写レベル解像度での遺伝子 制御 の差分解析」 。Nature Biotechnology。31 ( 1): 46–53。doi : 10.1038 / nbt.2450。PMC 3869392。PMID 23222703 。 ↑ Frazee AC、Pertea G 、 Jaffe AE、Langmead B、Salzberg SL、Leek JT (2015年3月)。 「 Ballgown は トランス クリプトームアセンブリと発現解析の間のギャップを埋める」 。Nature Biotechnology。33 ( 3 ): 243–6。Bibcode : 2015NatBi..33..243F。doi : 10.1038 / nbt.3172。PMC 4792117。PMID 25748911 。 1 2 Sahraeian SM、Mohiyuddin M、Sebra R、Tilgner H、Afshar PT、Au KF、et al. (2017 年 7 月) 「広範囲の RNA-seq 解析を実行することにより 、トランスクリプ トームに関する包括的な生物学的洞察を得る」 Nature Communications 8 (1) 59. Bibcode : 2017NatCo...8...59S . doi : 10.1038/s41467-017-00050-4 . PMC 5498581 . PMID 28680106 . ↑ Ziemann M、Eren Y、El-Osta A (2016年8月) 「科学文献では遺伝子名の誤りが広く見られる」 Genome Biology . 17 ( 1) 177. doi : 10.1186/s13059-016-1044-7 . PMC 4994289. PMID 27552985 . ↑ Soneson C、Delorenzi M (2013年3月) 「RNA-seqデータの差分発現解析のための方法の比較」 BMC Bioinformatics 14 ( 1) 91. Bibcode : 2013BMCBi..14...91S . doi : 10.1186/1471-2105-14-91 . PMC 3608160 . PMID 23497356 . ↑ Fonseca NA、Marioni J、Brazma A (2014 年 9 月 30日)。 「RNA-Seq遺伝子プロファイリング - 体系的 な 経験 的比較」 。PLOS ONE。9 ( 9 ) e107026。Bibcode : 2014PLoSO...9j7026F。doi : 10.1371 / journal.pone.0107026。PMC 4182317。PMID 25268973 。 ↑ Seyednasrollah F、Laiho A 、Elo LL (2015 年 1 月 )。 「RNA-seq 研究における差次的発現を検出するためのソフトウェア パッケージの比較」 。Briefings in Bioinformatics。16 ( 1 ) : 59–70。doi : 10.1093 /bib/ bbt086。PMC 4293378。PMID 24300110 。 ↑ Rapaport F、Khanin R、Liang Y、Pirun M、Krek A、Zumbo P、他 。 （2013年）。 「RNA-seqデータの差次的遺伝子発現解析法の総合的評価」 。 ゲノム生物学 。 14 (9) 3158: R95。 Bibcode : 2013GenBi..14.3158R 。 土井 ： 10.1186/gb-2013-14-9-r95 。 PMC 4054597 。 PMID 24020486 。 ↑ Costa-Silva J、Domingues D、Lopes FM (2017年12月21日)。 「 RNA - Seq 差分 発現解析：拡張レビューとソフトウェアツール」 。PLOS ONE。12 ( 12 ) e0190152。Bibcode ： 2017PLoSO..1290152C。doi ： 10.1371 / journal.pone.0190152。PMC 5739479。PMID 29267363 。 ↑ コルシェテ LA、ロハス EA、アロンソ ロペス D、デ ラス リバス J、グティエレス NC、ブルギロ FJ (2020 年 11 月 12 日)。 「遺伝子発現定量分析のための RNA-seq 手順の体系的な比較と評価」 。 科学的報告書 。 12 (10) 19737。 Bibcode : 2020NatSR..1019737C 。 土井 ： 10.1038/s41598-020-76881-x 。 PMC 7665074 。 PMID 33184454 。 ↑ Liao Y, Wang J, Jaehnig EJ, Shi Z, Zhang B (2019年7月). "WebGestalt 2019: 刷新されたUIとAPIを備えた遺伝子セット解析ツールキット" . Nucleic Acids Research . 47 (W1): W199– W205. doi : 10.1093/nar/gkz401 . PMC 6602449 . PMID 31114916 . 1 2 Keren H、Lev-Maor G、Ast G (2010 年 5 月)。「代替スプライシングと進化: 多様化、エクソン定義、機能」。Nature Reviews . Genetics . 11 (5): 345–55 . doi : 10.1038/nrg2776 . PMID 20376054. S2CID 5184582 . ↑ Liu R、Loraine AE、Dickerson JA (2014 年 12 月)。 「植物システムにおける RNA - seq を用い た 差分代替スプライシング検出 のための計算手法の比較」 。BMC Bioinformatics。15 ( 1) 364。doi : 10.1186 /s12859-014-0364-4。PMC 4271460。PMID 25511303 。 1 2 Li YI、Knowles DA、Humphrey J 、Barbeira AN、Dickinson SP、Im HK、et al. (2018 年 1 月)。 「 LeafCutter を 使用した RNA スプライシング の 注釈なし定量化」 。Nature Genetics。50 ( 1): 151–158。doi : 10.1038 /s41588-017-0004-9。PMC 5742080。PMID 29229983 。 ↑ Anders S、Reyes A、Huber W (2012 年 10 月)。 「RNA - seq データからのエクソン の差次 的 使用 の 検出」 。Genome Research。22 ( 10 ): 2008–17。doi : 10.1101/ gr.133744.111。PMC 3460195。PMID 22722343 。 ↑ Shen S、Park JW、Huang J、Dittmar KA、Lu ZX、Zhou Q、et al. (2012 年 4 月)。 「 MATS : RNA-Seq データからの異なる代替スプライシング の 柔軟な検出のための ベイズフレームワーク」 。Nucleic Acids Research。40 ( 8): e61。doi : 10.1093/nar/ gkr1291。PMC 3333886。PMID 22266656 。 ↑ Wang X 、Cairns MJ (2014 年 6 月)。 「SeqGSEA: RNA-Seq データの遺伝子セット濃縮分析 のため の Bioconductor パッケージで、差次的発現とスプライシングを統合」 。Bioinformatics。30 ( 12 ): 1777–9。doi : 10.1093 /bioinformatics/ btu090。PMID 24535097 。 ↑ Trapnell C、Hendrickson DG、Sauvageau M、Goff L、Rinn JL、Pachter L (2013 年 1 月)。 「 RNA - seqによる転写レベル解像度での遺伝子 制御 の差分解析」 。Nature Biotechnology。31 ( 1): 46–53。doi : 10.1038 / nbt.2450。PMC 3869392。PMID 23222703 。 ↑ Hu Y、Huang Y、Du Y、Orellana CF、Singh D、Johnson AR、et al . (2013 年 1 月)。 「 DiffSplice : RNA-seq によるゲノムワイドな差異スプライシングイベントの検出」 。Nucleic Acids Research。41 ( 2): e39。doi : 10.1093/nar / gks1026。PMC 3553996。PMID 23155066 。 ↑ Vaquero-Garcia J、Barrera A、Gazzara MR、González-Vallinas J、Lahens NF、Hogenesch JB、et al . (2016 年 2 月)。 「局所的なスプライシング の バリエーションを通して見 たトランスクリプトーム の 複雑性と制御 に関する 新しい見解」 。eLife。5 e11752。doi : 10.7554/ eLife.11752。PMC 4801060。PMID 26829591 。 ↑ Merino GA、Conesa A、Fernández EA (2019 年 3 月)。「ヒト RNA-seq 研究におけるアイソフォームレベルでの差分スプライシングと差分発現を検出するためのワークフローのベンチマーク」。Briefings in Bioinformatics。20 ( 2 ) : 471–481。doi : 10.1093 / bib / bbx122。hdl : 11336 / 41247。PMID 29040385。S2CID 22706028 。 1 2 Marcotte EM、Pellegrini M、Thompson MJ、Yeates TO、Eisenberg D (1999 年 11 月)。「ゲノムワイドなタンパク質機能予測のための 複合 アルゴリズム 」 。Nature。402 ( 6757 ) : 83–6。Bibcode : 1999Natur.402 ... 83M。doi : 10.1038 / 47048。PMID 10573421。S2CID 144447 。 1 2 Giorgi FM、Del Fabbro C、Licausi F (2013 年 3 月 )。 「シロイヌナズナにおける RNA-seq およびマイクロアレイ由来の共発現ネットワークの比較研究」 。Bioinformatics。29 ( 6 ) : 717–24。doi : 10.1093 /bioinformatics/ btt053。hdl : 11390 / 990155。PMID 23376351 。 ↑ Iancu OD、Kawane S 、 Bottomly D 、Searles R、Hitzemann R、McWeeney S (2012年6月)。 「 RNA -Seqデータを用いたde novo共発現ネットワーク推論」 。Bioinformatics。28 ( 12 ): 1592–7。doi : 10.1093 / bioinformatics / bts245。PMC 3493127。PMID 22556371 。 ↑ Eksi R、Li HD、Menon R、Wen Y、Omenn GS、Kretzler M、et al. (2013 年 11 月) 「RNA-seq データを統合して代替スプライシングされたアイソフォームの機能を体系的に区別する」 PLOS Computational Biology 9 (11) e1003314. Bibcode : 2013PLSCB...9E3314E . doi : 10.1371/journal.pcbi.1003314 . PMC 3820534 . PMID 24244129 . ↑ Li HD、Menon R、Omenn GS、Guan Y（2014 年8 月 ）。 「 スプライス アイソフォーム機能解析のためのゲノムデータ統合の新たな時代」 。Trends in Genetics。30 （ 8 ） ： 340–7。doi ： 10.1016 /j.tig.2014.05.005。PMC 4112133。PMID 24951248 。 ↑ Foroushani A、Agrahari R、Docking R、Chang L、Duns G、Hudoba M、et al. (2017 年 3 月)。 「大規模遺伝子ネットワーク解析 により、急性骨髄性白血病における細胞外マトリックス経路およびホメオボックス遺伝子の重要性 が明らかに：Pigengene パッケージとその応用 の 紹介」 。BMC Medical Genomics。10 ( 1) 16。doi : 10.1186 / s12920-017-0253-6。PMC 5353782。PMID 28298217 。 ↑ Li H、Handsaker B、Wysoker A 、 Fennell T、Ruan J、Homer N、et al. (2009 年 8 月 )。 「配列アライメント/マップ形式と SAMtools」 。Bioinformatics。25 ( 16 ): 2078–9。doi : 10.1093 /bioinformatics / btp352。PMC 2723002。PMID 19505943 。 ↑ DePristo MA、Banks E、Poplin R、Garimella KV、Maguire JR、Hartl C、 他。 （2011年5月）。 「次世代 DNA シークエンシング データを使用した変異発見とジェノタイピングのためのフレームワーク」 。 自然遺伝学 。 43 (5): 491–8 . 土井 : 10.1038/ng.806 。 PMC 3083463 。 PMID 21478889 。 ↑ Battle A 、 Brown CD、Engelhardt BE、Montgomery SB (2017 年10 月 )。 「 ヒト組織全体における遺伝子発現に対する遺伝的影響 」 。Nature。550 ( 7675 ) : 204–213。Bibcode : 2017Natur.550..204A。doi : 10.1038 / nature24277。hdl : 10230 / 34202。PMC 5776756。PMID 29022597 。 ↑ Richter F、Hoffman GE、Manheimer KB、Patel N、Sharp AJ、McKean D、et al . (2019 年 10 月)。 「 ORE は 、 希少変異に富む極端な発現効果を同定する」 。Bioinformatics。35 ( 20 ): 3906–3912。doi : 10.1093/bioinformatics / btz202。PMC 6792115。PMID 30903145 。 ↑ Freedman AH、Clamp M、Sackton TB (2021 年 1 月)。「de novo トランスクリプトーム アセンブリにおけるエラー、ノイズ、バイアス 」 。Molecular Ecology Resources。21 ( 1 ) : 18–29。Bibcode : 2021MolER..21 ... 18F。doi : 10.1111 / 1755-0998.13156。PMID 32180366。S2CID 212739959 。 ↑ Teixeira MR (2006 年 12 月) 「癌における再発性融合癌遺伝子」 Critical Reviews in Oncogenesis . 12 ( 3– 4): 257– 71. doi : 10.1615/critrevoncog.v12.i3-4.40 . PMID 17425505 . S2CID 40770452 . ↑ Cummings BB、Marshall JL、Tukiainen T、Lek M、Donkervoort S、Foley AR、et al. (2017年4月19日)。 「 トランスクリプトームシーケンスによるメンデル遺伝性疾患の遺伝子診断の改善」 。Science Translational Medicine。9 ( 386 ) eaal5209。doi : 10.1126 / scitranslmed.aal5209。hdl : 10230 / 35912。PMC 5548421。PMID 28424332 。 ↑ Kremer LS、Bader DM、Mertes C、Kopajtich R、Pichler G、Iuso A、et al. (2017年6月12日)。 「 RNA シーケンス によるメンデル遺伝性疾患の遺伝子診断」 。Nature Communications。8 ( 1 ) 15824。Bibcode : 2017NatCo ... 815824K。doi : 10.1038/ ncomms15824。PMC 5499207。PMID 28604674 。 ↑ Sandberg R (2014年1月) 「生物学と医学におけるシングルセル転写解析の時代への突入」 Nature Methods . 11 ( 1): 22–4 . doi : 10.1038/nmeth.2764 . PMID 24524133. S2CID 27632439 . ↑ 「ENCODEデータマトリックス」 。 2013年 7月28日 取得 。 ↑ 「がんゲノムアトラス – データポータル」 。 2011年10月15日の オリジナルからアーカイブ済み 。 2013年 7月28日 取得。 ↑ Sangiovanni M 、 Granata I 、 Thind AS、Guarracino MR (2019 年 4 月)。 「ゴミから宝物へ：マッピングされていない NGS データにおける予期せぬ汚染の検出」 。BMC Bioinformatics。20 ( Suppl 4) 168。doi : 10.1186 /s12859-019-2684 - x。PMC 6472186。PMID 30999839 。
さらに読む 田口 裕（2019）「比較トランスクリプトミクス解析」バイオインフォマティクス・計算生物学百科事典 、pp. 814–818 . doi : 10.1016/B978-0-12-809633-8.20163-5 . ISBN 978-0-12-811432-2 . S2CID 65302519 .
外部リンク Cresko B、Voelker R、Small C (2001)。Bassham S、Catchen J (編)。「RNA-seqlopedia」。オレゴン大学。 
この記事は、2019 年に外部の学術査読のためにWikiJournal of Scienceに投稿されました(査読者レポート)。更新されたコンテンツは、CC-BY-SA-3.0ライセンス ( 2021 年) の下で Wikipedia ページに再統合されました。査読された記録バージョンは次のとおりです。Felix Richter 他(2021 年 5 月 17 日)。「RNA - Seq の広範な紹介」(PDF)。WikiJournal of Science。4 ( 2 ): 4。doi : 10.15347 /WJS/ 2021.004。ISSN 2470-6345。Wikidata Q100146647。