Idi na sadržaj

Analiza sekvenci

Nepregledano
S Wikipedije, slobodne enciklopedije

U bioinformatici, analiza sekvenci je proces podvrgavanja DNK, RNK ili peptidne sekvence bilo kojoj od širokog spektra analitičkih metoda, kako bi se razumjele njene karakteristike, funkcija, struktura ili evolucija. [Može se izvesti na cijelom genomu, transkriptomu ili proteomu organizma, a može uključivati i samo odabrane segmente ili regije, poput tandemskih ponavljanja i transpozabilnih elemenata. Korištene metodologije uključuju poravnanje sekvenci, pretrage u biološkim bazama podataka i druge.[1]

Od razvoja metoda visokopropusne proizvodnje genskih i proteinskih sekvenci, stopa dodavanja novih sekvenci u baze podataka se vrlo brzo povećala. Takva kolekcija sekvenci sama po sebi ne povećava razumijevanje biologije organizama od strane naučnika. Međutim, poređenje ovih novih sekvenci sa onima sa poznatim funkcijama je ključni način razumijevanja biologije organizma iz kojeg nova sekvenca potiče. Stoga se analiza sekvenci može koristiti za dodjeljivanje funkcije kodirajućim i nekodirajućim regijama u biološkoj sekvenci, obično poređenjem sekvenci i proučavanjem sličnosti i razlika. Danas postoji mnogo alata i tehnika koje omogućavaju poređenje sekvenci (poravnanje sekvenci) i analiziraju proizvod poravnanja kako bi se razumjela njegova biologija. Analiza sekvenci u molekularnoj biologiji uključuje vrlo širok spektar procesa:

  1. Poređenje sekvenci radi pronalaženja sličnosti, često radi zaključivanja da li su povezane (homologne)
  2. Identifikacija intrinzičnih karakteristika sekvence kao što su aktivna mjesta, mjesta posttranslacijske modifikacije, genske strukture, otvoreni okvir čitanja, distribucije introna i egzona i regulatorni elementi
  3. Identifikacija razlika i varijacija u sekvenci kao što su tačkasta mutacija i polimorfizam jednog nukleotida (SNP) kako bi se dobio genetički marker.
  4. Otkrivanje evolucije i genetičke raznolikosti sekvenci i organizama
  5. Identifikacija molekularne strukture samo iz sekvence.

Historija

[uredi | uredi izvor]

Od prve sekvence proteina insulina koje je okarakterizirao Fred Sanger 1951. godine, biolozi pokušavaju iskoristiti ovo znanje kako bi razumjeli funkciju molekula.[2][3] Njegovaa otkrića i njegovih kolega doprinijela su uspješnom sekvenciranju prvog genoma zasnovanog na DNK.[4] Metod korišten u ovoj studiji, koji se naziva "Sangerov metod" ili Sangerovo sekvenciranje, bio je prekretnica u sekvenciranju dugolančanih molekula poput DNK. Ovaj metod je na kraju korištena u Projektu ljudskog genoma.[5] Prema Michaelu Levittu, analiza sekvenci je nastala u periodu od 1969. do 1977.[6] U 1969. analiza sekvenci transfernih RNK korištena je za zaključivanje o interakcijama ostataka iz koreliranih promjena u nukleotidnim sekvencama, što je dovelo do modela sekundarne strukture tRNK.[7] u 1970, Saul B. Needleman i Christian D. Wunsch objavili su prvi kompjuterski algoritam za poravnavanje dvije sekvence.[8] Tokom ovog vremena, napredak u dobijanju nukleotidnih sekvenci se znatno poboljšao, što je dovelo do objavljivanja prvog kompletnog genoma bakteriofaga 1977. godine.[9] Vjeruje se da su Robert Holley i njegov tim na Univerzitetu Cornell prvi koji su sekvencirali molekulu RNK.[10]

Pregled analize nukleotidnih sekvenci (DNK i RNK)

[uredi | uredi izvor]

Analize nukleotidnih sekvenci identificiraju funkcionalne elemente poput mjesta vezivanja proteina, otkrivaju genetske varijacije poput SNP-ova, proučavaju obrasce ekspresije gena i razumiju genetsku osnovu osobina. Pomaže u razumijevanju mehanizama koji doprinose procesima poput replikacije i transkripcije. Neki od uključenih zadataka navedeni su u nastavku.

Kontrola kvaliteta i predobrada

[uredi | uredi izvor]

Kontrola kvaliteta procjenjuje kvalitet očitavanja sekvenciranja dobivenih tehnologijom sekvenciranja (npr. Illumina). To je prvi korak u analizi sekvenciranja kako bi se ograničili pogrešni zaključci zbog lošeg kvaliteta podataka. Alati koji se koriste u ovoj fazi zavise od platforme za sekvenciranje. Naprimjer, FastQC provjerava kvalitet kratkih očitavanja (uključujući RNK sekvence), Nanoplot ili PycoQC se koriste za dugačke sekvence (npr. očitavanja Nanopore sekvenci), a MultiQC agregira rezultat FastQC-a u formatu web stranice.[11][12][13] Kontrola kvaliteta pruža informacije kao što su dužine očitavanja, GC sadržaja, prisustvo adapterskih sekvenci (za kratka očitavanja) i rezultat kvaliteta, koji se često izražava na PHRED skali.[14] Ako su u očitanjima prisutni adapteri ili drugi artefakti iz PCR amplifikacije (posebno kratka očitavanja), oni se uklanjaju pomoću softvera kao što je Trimmomatic.[15] ili Cutadapt.[16]

Poravnanje očitanih podataka

[uredi | uredi izvor]

U ovom koraku, sekvencirani podaci čiji je kvalitet poboljšan mapiraju se na referentni genom korištenjem alata za poravnanje poput BWA [17] za čitanje kratkih DNK sekvenci, minimapa [18] za dugočitane DNK sekvence i STAR [19] za očitavanja RNK sekvenci. Svrha mapiranja je pronaći porijeklo bilo kojeg datog očitavanja na osnovu referentne sekvence. Također je važno za otkrivanje varijacija ili filogenetske studije. Izlaz iz ovog koraka, odnosno poravnata očitavanja, pohranjuju se u kompatibilnim formatima datoteka poznatim kao SAM, koji sadrže informacije o referentnom genomu kao i o pojedinačnim očitavanjima. Alternativno, formati BAM datoteka su poželjniji jer koriste mnogo manje prostora na stolu ili za pohranu.[14]

Napomena: Ovo se razlikuje od poravnavanja sekvenci koje poredi dvije ili više cijelih sekvenci (ili regija sekvenci) kako bi se kvantificirala sličnost ili razlike ili identificirala nepoznata sekvenca (kao što je objašnjeno u nastavku).

Sljedeći koraci analize su specifični za DNK sekvence:

Pozivanje varijanti

[uredi | uredi izvor]

Identifikacija varijanti je popularan aspekt analize sekvenci jer varijante često sadrže informacije od biološkog značaja, kao što je objašnjenje mehanizma otpornosti na lijekove kod zarazne bolesti. Ove varijante mogu biti varijante jednog nukleotida (SNV), male insercije/delecije (indeli) i velike strukturne varijante. Poravnanja očitavanja se sortiraju pomoću SAMtools, nakon čega se koriste pozivači varijanti kao što je GATK [20] se koriste za identifikaciju razlika u poređenju sa referentnom sekvencom.

Izbor alata za pozivanje varijanti uveliko zavisi od korištene tehnologije sekvenciranja, tako da se GATK često koristi pri radu sa kratkim sekvencama, dok duge sekvence zahtijevaju alate poput DeepVariant-a.[21] i Sniffles-a.[22] Alati se također mogu razlikovati na osnovu organizma (prokarioti ili eukarioti), izvora podataka o sekvenci (rak vs. metagenomika) i tipa varijante od interesa (SNV-ovi ili strukturne varijante). Izlaz pozivanja varijanti je obično u formatu vcf i može se filtrirati korištenjem frekvencija alela, ocjena kvalitete ili drugih faktora na osnovu datog istraživačkog pitanja.[14]

Označavanje varijanti

[uredi | uredi izvor]

Ovaj korak dodaje kontekst podacima o varijanti koristeći odabrane informacije iz recenziranih radova i javno dostupnih baza podataka poput gnomAD i Ensembl. Varijante se mogu anotirati informacijama o genomskim karakteristikama, funkcionalnim posljedicama, regulatornim elementima i frekvencijama populacije pomoću alata poput ANNOVAR-a ili SnpEff-a.,[23] ili prilagođene skripte i cjevovod. Izlaz ovog koraka je datoteka s anotacijama u bed ili txt formatu.[14]

Vizualizacija i interpretacija

[uredi | uredi izvor]

Genomski podaci, kao što su poravnanja očitavanja, dijagrami pokrivenosti i pozivi varijanti, mogu se vizualizirati korištenjem preglednika genoma kao što su IGV (Integrative Genomics Viewer) ili UCSC Preglednika genoma. Interpretacija rezultata se vrši u kontekstu biološkog pitanja ili hipoteze koja se istražuje. Izlaz može biti grafički prikaz podataka u obliku Circos dijagrama, vulkanskih dijagrama itd. ili drugih oblika izvještaja koji opisuju zapažanja.[14]

Analiza DNK sekvenci može također uključivati statističko modeliranje za zaključivanje o odnosima i epigenetičku analizu, poput identificiranja diferencijalnih metilacijskih regija pomoću alata kao što je DSS.

Sljedeći koraci su specifični za RNK sekvence:

Analiza ekspresija gena

[uredi | uredi izvor]

Mapirane RNK sekvence se analiziraju kako bi se procijenili nivoi ekspresije gena pomoću alata za kvantifikaciju kao što je HTSeq,[24] i identificirati različito eksprimirane gene (DEG) između eksperimentalnih uvjeta koristeći statističke metode poput DESeq2.[25] Ovo se provodi kako bi se uporedili nivoi ekspresije gena ili izoformi između ili preko različitih uzoraka i zaključila biološka relevantnost.[14] Izlaz analize ekspresije gena je obično tabela sa vrijednostima koje predstavljaju nivoe ekspresije ID-ova ili imena gena u redovima i uzorcima u kolonama, kao i standardne greške i p-vrijednosti. Rezultati u tabeli mogu se dalje vizualizirati korištenjem vulkanskih dijagrama i toplotnih mapa, gdje boje predstavljaju procijenjeni nivo ekspresije. Paketi poput ggplot2 u R-u i Matplotlib u Pythonu često se koriste za kreiranje vizuala. Tabela se također može anotirati korištenjem referentne datoteke za anotaciju, obično u formatu GTF ili GFF kako bi se pružio veći kontekst o genima, kao što su naziv hromosoma, lanac i početak i pozicije, te pomoglo u interpretaciji rezultata.[12][13][14][26]

Analiza funkcionalnog obogaćivanja

[uredi | uredi izvor]

Analiza funkcionalnog obogaćivanja identificira biološke procese, puteve i funkcionalne utjecaje povezane s različito eksprimiranim genima dobivenim iz prethodnog koraka. Koristi alate poput GOSeq[27] i Pathview.[28] Ovo kreira tabelu sa informacijama o tome koji su putevi i molekularni procesi povezani sa različito eksprimiranim genima, koji su geni smanjeno ili pojačano regulirani i koji su termini genska ontologija ponavljajući ili previše zastupljeni.[12][13][14][26]

Analiza RNK sekvenci istražuje dinamiku ekspresije gena i regulatorne mehanizme koji leže u osnovi bioloških procesa i bolesti. Interpretacija slika i tabela se vrši u kontekstu hipoteza koje se istražuju.

Analiziranje proteinskih sekvenci

[uredi | uredi izvor]

Analiza proteinske sekvence proučava kompletan skup proteina koje organizam ili ćelija eksprimira pod specifičnim uslovima. Opisuje strukturu, funkciju, posttranslacijske modifikacije i interakcije proteina unutar bioloških sistema. Često počinje sa sirovim podacima masene spektrometrije (MS) iz proteomskih eksperimenata, obično u mzML, mzXML ili RAW formatima datoteka.[14]

Osim prethodne obrade sirovih MS podataka za uklanjanje šuma, normalizaciju intenziteta i detekciju vrhova i pretvaranja vlasničkih formata datoteka (npr. RAW) u formate otvorenog koda (mzML, mzXML) radi kompatibilnosti s alatima za analizu, drugi analitički koraci uključuju identifikaciju peptida, kvantifikaciju peptida, zaključivanje i kvantifikaciju proteina, generiranje izvještaja o kontroli kvaliteta te normalizaciju, imputaciju i testiranje značajnosti. Izbor i redoslijed analitičkih koraka zavise od korištene MS metode, koja može biti akvizicija zavisna od podataka (DDA) ili nezavisna akvizicija (DIA).[14][29]

Genomski preglednici u analizi sekvenci

[uredi | uredi izvor]

Genomski preglednici nude korisnički interfejs bez koda za vizualizaciju genoma i genomskih segmenata, identifikaciju genomskih karakteristika i analizu odnosa između brojnih genomskih elemenata. Tri primarna genomska preglednika – Ensembl genomski preglednik, UCSC genomski preglednik i Nacionalni centar za biotehnološke informacije (NCBI) - podržavaju različite postupke analize sekvenci, uključujući sastavljanje genoma, anotaciju genoma i komparativnu genomiku poput istraživanja diferencijalnih obrazaca ekspresije i identifikacije konzerviranih regija. Svi preglednici podržavaju više formata podataka za otpremanje i preuzimanje i pružaju veze do vanjskih alata i resursa za analizu sekvenci, što doprinosi njihovoj svestranosti.[30][31]

Poravnanje sekvence

[uredi | uredi izvor]
Primjer višestrukog poravnanja sekvenci

Poznati su milioni proteinskih i nukleotidnih sekvenci. Ove sekvence spadaju u mnoge grupe srodnih sekvenci poznatih kao porodice proteina ili genske porodice. Odnosi između ovih sekvenci obično se otkrivaju njihovim poravnavanjem i dodjeljivanjem ovog poravnanja bodova. Postoje dvije glavne vrste poravnanja sekvenci. Poravnanje sekvenci po parovima upoređuje samo dvije sekvence istovremeno, a višestruko poravnanje sekvenci upoređuje mnoge sekvence. Dva važna algoritma za poravnavanje parova sekvenci su Needleman-Wunschov algoritam i Smith-Watermanov algoritam. Popularni alati za poravnanje sekvenci uključuju:

Uobičajena upotreba za poravnanje po parovima je uzimanje sekvence od interesa i njeno poređenje sa svim poznatim sekvencama u bazi podataka kako bi se identifikovale homologne sekvence. Općenito, podudaranja u bazi podataka su poređana tako da prvo prikazuju najsrodnije sekvence, a zatim sekvence sa opadajućom sličnošću. Ova podudaranja se obično prijavljuju s mjerom statističke značajnosti kao što je očekivana vrijednost.

Poređenje profila

[uredi | uredi izvor]

Godine 1987, Michael Gribskov, Andrew McLachlan i David Eisenberg uveli su metod poređenja profila za identifikaciju udaljenih sličnosti između proteina.[32] Umjesto korištenja jedne sekvence, metode profila koriste višestruko poravnanje sekvenci za kodiranje profila koji sadrži informacije o nivou očuvanosti svakog ostatka. Ovi profili se zatim mogu koristiti za pretraživanje kolekcija sekvenci kako bi se pronašle sekvence koje su povezane. Profili su također poznati kao Matrice bodovanja specifične za poziciju (PSSM). Godine 1993., probabilističku interpretaciju profila uveli su Anders Krogh i kolege koristeći skriveni Markovljev model.[33][34] Ovi modeli su postali poznati kao profilni HMM-ovi.

Posljednjih godina razvijeni su metodi koji omogućavaju direktno poređenje profila jedan s drugim. Poznati su kao metodi poređenja profil-profil.[35]

Sastavljanje sekvence

[uredi | uredi izvor]

Sastavljanje sekvence odnosi se na rekonstrukciju DNK sekvence putem usklađivanja i spajanja malih fragmenata DNK. To je sastavni dio modernog sekvenciranja DNK. Budući da trenutno dostupne tehnologije sekvenciranja DNK nisu pogodne za čitanje dugih sekvenci, veliki dijelovi DNK (kao što su genomi) se često sekvenciraju (1) rezanjem DNK na male dijelove, (2) čitanjem malih fragmenata i (3) rekonstitucijom originalne DNK spajanjem informacija na različitim fragmentima.

U posljednje vrijeme, sekvenciranje više vrsta odjednom je jedan od glavnih istraživačkih ciljeva. Metagenomika je proučavanje mikrobnih zajednica direktno dobijenih iz okoline. Za razliku od kultiviranih mikroorganizama iz laboratorije, uzorak iz divljine obično sadrži desetine, ponekad čak i hiljade vrsta mikroorganizama iz njihovih prvobitnih staništa.[36] Oporavak originalnih genoma može se pokazati vrlo izazovnim.

Predviđanje gena

[uredi | uredi izvor]

Predviđanje gena ili pronalaženje gena odnosi se na proces identifikacije regija genomske DNK koje kodiraju gene. To uključuje gene koji kodiraju proteine, kao i RNK-gene, ali može uključivati i predviđanje drugih funkcionalnih elemenata kao što su regulatorne regije. Geri je jedan od prvih i najvažnijih koraka u razumijevanju genoma vrste nakon što je sekvenciran. Općenito, predviđanje bakterijskih gena je znatno jednostavnije i preciznije od predviđanja gena kod eukariotskih vrsta koje obično imaju složene intron/egzon obrasce. Identifikacija gena u dugim sekvencama ostaje problem, posebno kada je broj gena nepoznat. Skriveni Markovljevi modeli mogu biti dio rješenja.[37] Mašinsko učenje je odigralo značajnu ulogu u predviđanju sekvence transkripcijskih faktora.[38] Tradicionalna analiza sekvenciranja fokusirala se na statističke parametre same nukleotidne sekvence (Najčešće korišteni programi navedeni su u tabela 4.1). Drugi metod je identifikacija homolognih sekvenci na osnovu drugih poznatih genskih sekvenci (vidi Alate tabela 4.3).[36] Dva ovdje opisana metoda fokusirane su na sekvencu. Međutim, proučavane su i karakteristike oblika ovih molekula, poput DNK i proteina, te je predloženo da imaju jednak, ako ne i veći, utjcaj na ponašanje ovih molekula.[39]

Predviđanje strukture proteina

[uredi | uredi izvor]
Struktura ciljnog proteina (3dsm, prikazana trakama), sa Calpha okosnicama (sivom bojom) 354 predviđena modela za nju podnesena u eksperimentu predviđanja strukture CASP8.

3D strukture molekula su od velikog značaja za njihove funkcije u prirodi. Budući da je predviđanje strukture velikih molekula na atomskom nivou uglavnom teško rješiv problem, neki biolozi su uveli načine za predviđanje 3D strukture na nivou primarne sekvence. To uključuje biohemijsku ili statističku analizu ostataka aminokiselina u lokalnim regijama i strukturno zaključivanje iz homologa (ili drugih potencijalno srodnih proteina) sa poznatim 3D strukturama.

Postojao je veliki broj različitih pristupa rješavanju problema predviđanja strukture. Kako bi se utvrdilo koji su metodi najefikasnije, osnovano je takmičenje u predviđanju strukture pod nazivom CASP (Kritička procjena predviđanja strukture)).[40]

Računarski pristupi i tehnike

[uredi | uredi izvor]

Zadaci analize sekvenci često nisu trivijalni za rješavanje i zahtijevaju upotrebu relativno složenih pristupa, od kojih su mnogi osnova mnogih postojećih alata za analizu sekvenci. Od mnogih metoda koje se koriste u praksi, najpopularnije uključuju sljedeće:

Također poglegdajte

[uredi | uredi izvor]

Reference

[uredi | uredi izvor]
  1. ↑ Šablon:Durbin 1998
  2. ↑ Sanger F; Tuppy H (septembar 1951). "The amino-acid sequence in the phenylalanyl chain of insulin. I. The identification of lower peptides from partial hydrolysates". Biochem. J. 49 (4): 463–81. doi:10.1042/bj0490463. PMC 1197535. PMID 14886310.
  3. ↑ SANGER F; TUPPY H (septembar 1951). "The amino-acid sequence in the phenylalanyl chain of insulin. 2. The investigation of peptides from enzymic hydrolysates". Biochem. J. 49 (4): 481–90. doi:10.1042/bj0490481. PMC 1197536. PMID 14886311.
  4. ↑ Sanger, F; Nicklen, S; Coulson, AR (decembar 1977). "DNA sequencing with chain-terminating inhibitors". Proc Natl Acad Sci U S A. 74 (12): 441–448. Bibcode:1977PNAS...74.5463S. doi:10.1073/pnas.74.12.5463. PMC 431765. PMID 271968.
  5. ↑ Sanger, F; Air, GM; Barrell, BG; Brown, NL; Coulson, AR; Fiddes, CA; Hutchison, CA; Slocombe, PM; Smith, M (februar 1977). "Nucleotide sequence of bacteriophage phi X174 DNA". Nature. 265 (5596): 687–695. Bibcode:1977Natur.265..687S. doi:10.1038/265687a0. PMID 870828. S2CID 4206886.
  6. ↑ Levitt M (maj 2001). "The birth of computational structural biology". Nature Structural & Molecular Biology. 8 (5): 392–3. doi:10.1038/87545. PMID 11323711. S2CID 6519868.
  7. ↑ Levitt M (novembar 1969). "Detailed molecular model for transfer ribonucleic acid". Nature. 224 (5221): 759–63. Bibcode:1969Natur.224..759L. doi:10.1038/224759a0. PMID 5361649. S2CID 983981.
  8. ↑ Needleman SB; Wunsch CD (mart 1970). "A general method applicable to the search for similarities in the amino acid sequence of two proteins". J. Mol. Biol. 48 (3): 443–53. doi:10.1016/0022-2836(70)90057-4. PMID 5420325.
  9. ↑ Sanger F, Air GM, Barrell BG, et al. (februar 1977). "Nucleotide sequence of bacteriophage phi X174 DNA". Nature. 265 (5596): 687–95. Bibcode:1977Natur.265..687S. doi:10.1038/265687a0. PMID 870828. S2CID 4206886.
  10. ↑ Holley, RW; Apgar, J; Everett, GA; Madison, JT; Marquisee, M; Merrill, SH; Penswick, JR; Zamir, A (maj 1965). "Structure of a Ribonucleic Acid". Science. 147 (3664): 1462–1465. Bibcode:1965Sci...147.1462H. doi:10.1126/science.147.3664.1462. PMID 14263761. S2CID 40989800.
  11. ↑ Batut, Bérénice; Doyle, Maria; Cormier, Alexandre; Bretaudeau, Anthony; Leroi, Laura; Corre, Erwan; Robin, Stéphanie; nil, gallantries; Hyde, Cameron (3. 11. 2023). "Quality Control (Galaxy Training Materials)". Galaxy Training!. Pristupljeno 26. 4. 2024.
  12. 1 2 3 Hiltemann, Saskia; Rasche, Helena; et al. (januar 2023). "Galaxy Training: A Powerful Framework for Teaching!". PLOS Computational Biology. 19 (1): e1010752. Bibcode:2023PLSCB..19E0752H. doi:10.1371/journal.pcbi.1010752. PMC 9829167 Provjerite vrijednost parametra |pmc= (pomoć). PMID 36622853 Provjerite vrijednost parametra |pmid= (pomoć).
  13. 1 2 3 Batut, Bérénice; et al. (2018). "Community-Driven Data Analysis Training for Biology". Cell Systems. 6 (6): 752–758.e1. doi:10.1016/j.cels.2018.05.012. PMC 6296361. PMID 29953864.
  14. 1 2 3 4 5 6 7 8 9 10 Prijibelski, Andrey B.; Korobeynikov, Anton I.; Lapidus, Alla L. (septembar 2018). "Sequence Analysis". Encyclopedia of Bioinformatics and Computational Biology. 3. str. 292–322. doi:10.1016/B978-0-12-809633-8.20106-4. ISBN 978-0-12-811432-2.
  15. ↑ Bolger, Anthony M.; Lohse, Marc; Usadel, Bjoern (april 2014). "Trimmomatic: a flexible trimmer for Illumina sequence data". Bioinformatics. 30 (15): 2114–2120. doi:10.1093/bioinformatics/btu170. PMC 4103590. PMID 24695404.
  16. ↑ Marcel, Martin (2011). "Cutadapt removes adapter sequences from high-throughput sequencing reads". EMBnet.journal. 17: 10. doi:10.14806/ej.17.1.200.
  17. ↑ Li, Heng; Durbin, Richard (juli 2009). "Fast and accurate short read alignment with Burrows–Wheeler transform". Bioinformatics. 25 (14): 1754–1760. doi:10.1093/bioinformatics/btp324. PMC 2705234. PMID 19451168.
  18. ↑ Li, Heng (mart 2016). "Minimap and miniasm: fast mapping and de novo assembly for noisy long sequences". Bioinformatics. 32 (14): 2103–2110. doi:10.1093/bioinformatics/btw152. PMC 4937194. PMID 27153593.
  19. ↑ Dobin, Alexander; Davis, Carrie A.; et al. (oktobar 2012). "STAR: ultrafast universal RNA-seq aligner". Bioinformatics. 29 (1): 15–21. doi:10.1093/bioinformatics/bts635. PMC 3530905. PMID 23104886.
  20. ↑ McKenna, Aaron; Hanna, Matthew; et al. (juli 2010). "The Genome Analysis Toolkit: A MapReduce framework for analyzing next-generation DNA sequencing data". Genome Research. 20 (9): 1297–1303. doi:10.1101/gr.107524.110. PMC 2928508. PMID 20644199.
  21. ↑ Poplin, R; Chang, PC; et al. (septembar 2018). "A universal SNP and small-indel variant caller using deep neural networks". Nature Biotechnology. 36 (10): 983–987. doi:10.1038/nbt.4235. PMID 30247488.
  22. ↑ Sedlazeck, F.J.; Rescheneder, P; et al. (april 2018). "Accurate detection of complex structural variations using single-molecule sequencing". Nature Methods. 15 (6): 461–468. doi:10.1038/s41592-018-0001-7. PMC 5990442. PMID 29713083.
  23. ↑ Cingolani, P; Platts, A; et al. (april 2012). "A program for annotating and predicting the effects of single nucleotide polymorphisms, SnpEff". Fly. 6 (2): 80–92. doi:10.4161/fly.19695. PMC 3679285. PMID 22728672.
  24. ↑ Anders, Simon; Pyl, Paul Theodore; Huber, Wolfgang (januar 2015). "HTSeq—a Python framework to work with high-throughput sequencing data". Bioinformatics. 31 (2): 166–169. doi:10.1093/bioinformatics/btu638. PMC 4287950. PMID 25260700.
  25. ↑ Love, M.I.; Huber, W.; Anders, S. (decembar 2014). "Moderated estimation of fold change and dispersion for RNA-seq data with DESeq2". Genome Biology. 15 (12): 550. doi:10.1186/s13059-014-0550-8. PMC 4302049. PMID 25516281.
  26. 1 2 Batut, Bérénice; Freeberg, Mallory; et al. (17. 3. 2024). "Reference-based RNA-Seq data analysis (Galaxy Training Materials)". Galaxy Training!. Pristupljeno 26. 4. 2024.
  27. ↑ Young, M.D.; Wakefield, M.J; et al. (februar 2010). "Gene ontology analysis for RNA-seq: accounting for selection bias". Genome Biology. 11 (2): R14. doi:10.1186/gb-2010-11-2-r14. hdl:11343/56416. PMC 2872874. PMID 20132535.
  28. ↑ Luo, Weijun; Brouwer, Cory (juni 2013). "Pathview: an R/Bioconductor package for pathway-based data integration and visualization". Bioinformatics. 29 (14): 1830–1831. doi:10.1093/bioinformatics/btt285. PMC 3702256. PMID 23740750.
  29. ↑ "Quantitative mass spectrometry workflow". nf-core.
  30. ↑ Wang, Jun; Kong, Lei; et al. (juli 2012). "A brief introduction to web-based genome browsers". Briefings in Bioinformatics. 14 (2): 131–143. doi:10.1093/bib/bbs029. PMID 22764121.
  31. ↑ Pevsner, J. (februar 2009). "Analysis of Genomic DNA with the UCSC Genome Browser". Bioinformatics for DNA Sequence Analysis. Methods in Molecular Biology. 537. Humana Press. str. 277–301. doi:10.1007/978-1-59745-251-9_14. ISBN 978-1-59745-251-9. PMID 19378150.
  32. ↑ Gribskov M; McLachlan AD; Eisenberg D (juli 1987). "Profile analysis: detection of distantly related proteins". Proc. Natl. Acad. Sci. U.S.A. 84 (13): 4355–8. Bibcode:1987PNAS...84.4355G. doi:10.1073/pnas.84.13.4355. PMC 305087. PMID 3474607.
  33. ↑ Brown M; Hughey R; Krogh A; Mian IS; Sjölander K; Haussler D (1993). "Using Dirichlet mixture priors to derive hidden Markov models for protein families". Proc Int Conf Intell Syst Mol Biol. 1: 47–55. PMID 7584370.
  34. ↑ Krogh A; Brown M; Mian IS; Sjölander K; Haussler D (februar 1994). "Hidden Markov models in computational biology. Applications to protein modeling". J. Mol. Biol. 235 (5): 1501–31. doi:10.1006/jmbi.1994.1104. PMID 8107089. S2CID 2160404.
  35. ↑ Ye X; Wang G; Altschul SF (decembar 2011). "An assessment of substitution scores for protein profile-profile comparison". Bioinformatics. 27 (24): 3356–63. doi:10.1093/bioinformatics/btr565. PMC 3232366. PMID 21998158.
  36. 1 2 Wooley, JC; Godzik, A; Friedberg, I (Feb 26, 2010). "A primer on metagenomics". PLOS Comput Biol. 6 (2): e1000667. Bibcode:2010PLSCB...6E0667W. doi:10.1371/journal.pcbi.1000667. PMC 2829047. PMID 20195499.
  37. ↑ Stanke, M; Waack, S (Oct 19, 2003). "Gene prediction with a hidden Markov model and a new intron submodel". Bioinformatics. 19 Suppl 2 (2): 215–25. doi:10.1093/bioinformatics/btg1080. PMID 14534192.
  38. ↑ Alipanahi, B; Delong, A; Weirauch, MT; Frey, BJ (Aug 2015). "Predicting the sequence specificities of DNA- and RNA-binding proteins by deep learning". Nat Biotechnol. 33 (8): 831–8. doi:10.1038/nbt.3300. PMID 26213851.
  39. ↑ Abe, N; Dror, I; Yang, L; Slattery, M; Zhou, T; Bussemaker, HJ; Rohs R, R; Mann, RS (Apr 9, 2015). "Deconvolving the recognition of DNA shape from sequence". Cell. 161 (2): 307–18. doi:10.1016/j.cell.2015.02.008. PMC 4422406. PMID 25843630.
  40. ↑ Moult J; Hubbard T; Bryant SH; Fidelis K; Pedersen JT (1997). "Critical assessment of methods of protein structure prediction (CASP): round II". Proteins. Suppl 1 (S1): 2–6. doi:10.1002/(SICI)1097-0134(1997)1+<2::AID-PROT2>3.0.CO;2-T. PMID 9485489. S2CID 26823924.
Preuzeto iz "https://bs.wikipedia.org/w/index.php?title=Analiza_sekvenci&oldid=3890577"