Hispanopedia Wiki
Articulo de referencia

Tecnologías transcriptómicas

Las tecnologías transcriptómicas son las técnicas utilizadas para estudiar el transcriptoma de un organismo , la suma de todos sus transcritos de ARN . El contenido informativo ...

Hispanopedia WikiContenido en espanolLectura gratuita
Este artículo se publicó en la revista científica revisada por pares PLOS Computational Biology (2017). Haga clic para ver la versión publicada.
Este es un buen artículo. Haz clic aquí para obtener más información.

Las tecnologías transcriptómicas son las técnicas utilizadas para estudiar el transcriptoma de un organismo , la suma de todos sus transcritos de ARN . El contenido informativo de un organismo se registra en el ADN de su genoma y se expresa mediante la transcripción . En este proceso, el ARNm actúa como una molécula intermediaria transitoria en la red de información, mientras que los ARN no codificantes desempeñan diversas funciones adicionales. Un transcriptoma captura una instantánea en el tiempo del total de transcritos presentes en una célula . Las tecnologías transcriptómicas proporcionan una descripción general de qué procesos celulares están activos y cuáles están inactivos. Un desafío importante en biología molecular es comprender cómo un solo genoma da origen a una variedad de células. Otro desafío es cómo se regula la expresión génica.

Los primeros intentos de estudiar transcriptomas completos comenzaron a principios de la década de 1990. Los avances tecnológicos posteriores, desde finales de la década de 1990, han transformado repetidamente el campo y han convertido la transcriptómica en una disciplina ampliamente extendida en las ciencias biológicas . Existen dos técnicas contemporáneas clave en este campo: los microarrays , que cuantifican un conjunto de secuencias predeterminadas, y la secuenciación de ARN (RNA-Seq) , que utiliza la secuenciación de alto rendimiento para registrar todos los transcritos. A medida que la tecnología mejoraba, el volumen de datos producido por cada experimento de transcriptómica aumentaba. Como resultado, los métodos de análisis de datos se han adaptado progresivamente para analizar con mayor precisión y eficiencia volúmenes de datos cada vez mayores. En consecuencia, las bases de datos de transcriptomas han ido creciendo y volviéndose más útiles a medida que los investigadores continúan recopilando y compartiendo transcriptomas. Sería prácticamente imposible interpretar la información contenida en un transcriptoma sin el conocimiento de experimentos previos.

Medir la expresión de los genes de un organismo en diferentes tejidos o condiciones , o en distintos momentos, proporciona información sobre cómo se regulan los genes y revela detalles de su biología. También puede utilizarse para inferir las funciones de genes previamente no identificados . El análisis del transcriptoma ha permitido comprender mejor los cambios en la expresión génica en diferentes organismos y ha sido fundamental para la comprensión de las enfermedades humanas . Un análisis de la expresión génica en su totalidad permite detectar tendencias generales coordinadas que no pueden discernirse mediante ensayos más específicos .

Historia

Uso de métodos transcriptómicos a lo largo del tiempo. Artículos publicados que hacen referencia a RNA-Seq (negro), microarrays de ARN (rojo), etiquetas de secuencias expresadas (azul), visualización diferencial digital (verde) y análisis serial/cap de la expresión génica (amarillo) desde 1990. [ 1 ]

La transcriptómica se ha caracterizado por el desarrollo de nuevas técnicas que han redefinido lo que es posible cada década aproximadamente y han vuelto obsoletas las tecnologías anteriores. El primer intento de capturar un transcriptoma humano parcial se publicó en 1991 y reportó 609 secuencias de ARNm del cerebro humano . [ 2 ] En 2008, se publicaron dos transcriptomas humanos, compuestos por millones de secuencias derivadas de transcritos que cubren 16 000 genes, [ 3 ] [ 4 ] y para 2015 se habían publicado transcriptomas para cientos de individuos. [ 5 ] [ 6 ] Los transcriptomas de diferentes estados de enfermedad , tejidos o incluso células individuales ahora se generan de forma rutinaria. [ 6 ] [ 7 ] [ 8 ] Esta explosión en la transcriptómica ha sido impulsada por el rápido desarrollo de nuevas tecnologías con sensibilidad y economía mejoradas. [ 9 ] [ 10 ] [ 11 ] [ 12 ]

Antes de la transcriptómica

Se realizaron estudios de transcripciones individuales varias décadas antes de que estuvieran disponibles los enfoques transcriptómicos. Se recolectaron bibliotecas de transcripciones de ARNm de la polilla de la seda y se convirtieron a ADN complementario (ADNc) para su almacenamiento utilizando transcriptasa inversa a finales de la década de 1970. [ 13 ] En la década de 1980, se utilizó la secuenciación de bajo rendimiento utilizando el método de Sanger para secuenciar transcripciones aleatorias, produciendo etiquetas de secuencia expresada (EST). [ 2 ] [ 14 ] [ 15 ] [ 16 ] El método de secuenciación de Sanger fue predominante hasta la llegada de métodos de alto rendimiento como la secuenciación por síntesis (Solexa/Illumina). Las EST cobraron prominencia durante la década de 1990 como un método eficiente para determinar el contenido genético de un organismo sin secuenciar todo el genoma . [ 16 ] Las cantidades de transcritos individuales se cuantificaron utilizando Northern blotting , matrices de membrana de nailon y, posteriormente, métodos de PCR cuantitativa con transcriptasa inversa (RT-qPCR), [ 17 ] [ 18 ] pero estos métodos son laboriosos y solo pueden capturar una pequeña subsección de un transcriptoma. [ 12 ] En consecuencia, la forma en que se expresa y regula un transcriptoma en su conjunto permaneció desconocida hasta que se desarrollaron técnicas de mayor rendimiento.

Primeros intentos

El término «transcriptoma» se utilizó por primera vez en la década de 1990. [ 19 ] [ 20 ] En 1995, se desarrolló uno de los primeros métodos transcriptómicos basados ​​en secuenciación, el análisis serial de la expresión génica (SAGE), que funcionaba mediante la secuenciación de Sanger de fragmentos de transcripción aleatorios concatenados. [ 21 ] Los transcritos se cuantificaban comparando los fragmentos con genes conocidos. También se utilizó brevemente una variante de SAGE que empleaba técnicas de secuenciación de alto rendimiento, denominada análisis digital de la expresión génica. [ 9 ] [ 22 ] Sin embargo, estos métodos fueron ampliamente superados por la secuenciación de alto rendimiento de transcritos completos, que proporcionó información adicional sobre la estructura del transcrito, como las variantes de empalme . [ 9 ]

Desarrollo de técnicas contemporáneas

Las técnicas contemporáneas dominantes, los microarrays y RNA-Seq , se desarrollaron a mediados de los años 90 y 2000. [ 9 ] [ 33 ] Los microarrays que miden la abundancia de un conjunto definido de transcritos a través de su hibridación con una matriz de sondas complementarias se publicaron por primera vez en 1995. [ 34 ] [ 35 ] La tecnología de microarrays permitió el ensayo de miles de transcritos simultáneamente y a un costo por gen y un ahorro de mano de obra muy reducidos. [ 36 ] Tanto las matrices de oligonucleótidos con puntos como las matrices de alta densidad de Affymetrix fueron el método de elección para el perfilado transcripcional hasta finales de los años 2000. [ 12 ] [ 33 ] Durante este período, se produjo una gama de microarrays para cubrir genes conocidos en organismos modelo o de importancia económica. Los avances en el diseño y la fabricación de matrices mejoraron la especificidad de las sondas y permitieron probar más genes en una sola matriz. Los avances en la detección por fluorescencia aumentaron la sensibilidad y la precisión de la medición para los transcritos de baja abundancia. [ 35 ] [ 37 ]

La secuenciación de ARN (RNA-Seq) se realiza mediante la transcripción inversa de ARN in vitro y la secuenciación de los ADNc resultantes . [ 10 ] La abundancia de transcritos se deriva del número de recuentos de cada transcrito. Por lo tanto, la técnica ha sido fuertemente influenciada por el desarrollo de tecnologías de secuenciación de alto rendimiento . [ 9 ] [ 11 ] La secuenciación de firmas masivamente paralela (MPSS) fue un ejemplo temprano basado en la generación de secuencias de 16 a 20 pb a través de una serie compleja de hibridaciones , [ 38 ] [ nota 1 ] y se utilizó en 2004 para validar la expresión de diez mil genes en Arabidopsis thaliana . [ 39 ] El primer trabajo de RNA-Seq se publicó en 2006 con cien mil transcritos secuenciados utilizando la tecnología 454. [ 40 ] Esta fue una cobertura suficiente para cuantificar la abundancia relativa de transcritos. La secuenciación de ARN (RNA-Seq) comenzó a ganar popularidad después de 2008, cuando las nuevas tecnologías de Solexa/Illumina permitieron registrar mil millones de secuencias de transcripción. [ 4 ] [ 10 ] [ 41 ] [ 42 ] Este rendimiento ahora permite la cuantificación y comparación de transcriptomas humanos. [ 43 ] 

Recopilación de datos

La generación de datos sobre transcripciones de ARN se puede lograr mediante dos principios principales: la secuenciación de transcripciones individuales ( EST o RNA-Seq) o la hibridación de transcripciones a una matriz ordenada de sondas de nucleótidos (microarrays). [ 23 ]

Aislamiento de ARN

Todos los métodos transcriptómicos requieren que primero se aísle el ARN del organismo experimental antes de que se puedan registrar los transcritos. Aunque los sistemas biológicos son increíblemente diversos, las técnicas de extracción de ARN son ampliamente similares e implican la disrupción mecánica de células o tejidos, la disrupción de la RNasa con sales caotrópicas , [ 44 ] la disrupción de macromoléculas y complejos de nucleótidos, la separación del ARN de biomoléculas no deseadas , incluido el ADN, y la concentración del ARN mediante precipitación de una solución o elución de una matriz sólida . [ 44 ] [ 45 ] El ARN aislado puede tratarse adicionalmente con DNasa para digerir cualquier rastro de ADN. [ 46 ] Es necesario enriquecer el ARN mensajero ya que los extractos de ARN total son típicamente 98% ARN ribosómico . [ 47 ] El enriquecimiento de transcritos puede realizarse mediante métodos de afinidad de poli-A o mediante la depleción de ARN ribosómico utilizando sondas específicas de secuencia. [ 48 ] El ARN degradado puede afectar los resultados posteriores; Por ejemplo, el enriquecimiento de ARNm a partir de muestras degradadas dará como resultado el agotamiento de los extremos 5' del ARNm y una señal desigual a lo largo de la transcripción. La congelación rápida del tejido antes del aislamiento de ARN es habitual, y se toman precauciones para reducir la exposición a las enzimas RNasa una vez finalizado el aislamiento. [ 45 ]

Etiquetas de secuencia expresada

Una etiqueta de secuencia expresada (EST) es una secuencia corta de nucleótidos generada a partir de un único transcrito de ARN. El ARN se copia primero como ADN complementario (ADNc) mediante una enzima transcriptasa inversa antes de que el ADNc resultante se secuencie. [ 16 ] Debido a que las EST se pueden obtener sin conocimiento previo del organismo del que provienen, se pueden crear a partir de mezclas de organismos o muestras ambientales. [ 49 ] [ 16 ] Aunque ahora se utilizan métodos de alto rendimiento, las bibliotecas de EST comúnmente proporcionaban información de secuencia para los primeros diseños de microarrays; por ejemplo, un microarray de cebada se diseñó a partir de 350 000 EST previamente secuenciadas. [ 50 ]

Análisis serial y de la expresión génica (SAGE/CAGE)

Resumen de SAGE . Dentro de los organismos, los genes se transcriben y se empalman (en eucariotas ) para producir transcritos de ARNm maduros (rojo). El ARNm se extrae del organismo y se utiliza transcriptasa inversa para copiarlo en ADNc bicatenario estable ( ds - cDNA ; azul). En SAGE, el ds-cDNA se digiere con enzimas de restricción (en la posición 'X' y 'X'+11) para producir fragmentos de "etiqueta" de 11 nucleótidos. Estas etiquetas se concatenan y se secuencian mediante secuenciación Sanger de lectura larga (diferentes tonalidades de azul indican etiquetas de diferentes genes). Las secuencias se deconvolucionan para encontrar la frecuencia de cada etiqueta. La frecuencia de la etiqueta se puede utilizar para informar sobre la transcripción del gen del que proviene la etiqueta. [ 51 ]

El análisis serial de la expresión génica (SAGE) fue un desarrollo de la metodología EST para aumentar el rendimiento de las etiquetas generadas y permitir cierta cuantificación de la abundancia de transcritos. [ 21 ] El ADNc se genera a partir del ARN , pero luego se digiere en  fragmentos de "etiqueta" de 11 pb utilizando enzimas de restricción que cortan el ADN en una secuencia específica y 11  pares de bases a lo largo de esa secuencia. Estas etiquetas de ADNc se unen luego cabeza con cola en largas cadenas (>500  pb) y se secuencian utilizando métodos de bajo rendimiento, pero de gran longitud de lectura, como la secuenciación de Sanger . Las secuencias se dividen luego nuevamente en sus etiquetas originales de 11 pb utilizando software informático en un proceso llamado deconvolución . [ 21 ] Si se dispone de un genoma de referencia de alta calidad , estas etiquetas pueden compararse con su gen correspondiente en el genoma. Si no se dispone de un genoma de referencia, las etiquetas pueden usarse directamente como marcadores de diagnóstico si se encuentra que se expresan diferencialmente en un estado de enfermedad. [ 21 ]

El método de expresión génica mediante análisis de la región 5' (CAGE) es una variante de SAGE que secuencia etiquetas únicamente del extremo 5' de un transcrito de ARNm. [ 52 ] Por lo tanto, el sitio de inicio de la transcripción de los genes puede identificarse cuando las etiquetas se alinean con un genoma de referencia. La identificación de los sitios de inicio de los genes es útil para el análisis de promotores y para la clonación de ADNc de longitud completa.

Los métodos SAGE y CAGE producen información sobre más genes que la que era posible al secuenciar EST individuales, pero la preparación de la muestra y el análisis de datos suelen ser más laboriosos. [ 52 ]

Microarrays

Resumen de microarrays de ADN . Dentro de los organismos, los genes se transcriben y se empalman (en eucariotas) para producir transcritos de ARNm maduros (rojo). El ARNm se extrae del organismo y se utiliza transcriptasa inversa para copiarlo en ADNc bicatenario estable (azul). En los microarrays, el ADNc bicatenario se fragmenta y se marca con fluorescencia (naranja). Los fragmentos marcados se unen a una matriz ordenada de oligonucleótidos complementarios, y la medición de la intensidad de fluorescencia en toda la matriz indica la abundancia de un conjunto predeterminado de secuencias. Estas secuencias se eligen típicamente de forma específica para informar sobre genes de interés dentro del genoma del organismo. [ 51 ]

Principios y avances

Los microarrays suelen consistir en una cuadrícula de oligómeros de nucleótidos cortos , conocidos como " sondas ", generalmente dispuestos en un portaobjetos de vidrio. [ 53 ] La abundancia de transcritos se determina mediante la hibridación de transcritos marcados con fluorescencia a estas sondas. [ 54 ] La intensidad de fluorescencia en cada posición de la sonda en el microarray indica la abundancia de transcritos para esa secuencia de sonda. [ 54 ] Los grupos de sondas diseñados para medir el mismo transcrito (es decir, hibridando un transcrito específico en diferentes posiciones) se denominan generalmente "conjuntos de sondas".

Los microarrays requieren cierto conocimiento genómico del organismo de interés, por ejemplo, en forma de una secuencia genómica anotada o una biblioteca de EST que se pueden utilizar para generar las sondas para el array. [ 36 ]

Métodos

Los microarrays para transcriptómica generalmente se dividen en dos grandes categorías: microarrays de baja densidad o microarrays de alta densidad con sondas cortas. La abundancia de transcritos se infiere a partir de la intensidad de la fluorescencia derivada de los transcritos marcados con fluoróforos que se unen al microarray. [ 36 ]

Los microarrays de baja densidad con puntos suelen presentar gotas de picolitros [ nota 2 ] de una gama de cDNA purificados dispuestos en la superficie de un portaobjetos de vidrio. [ 55 ] Estas sondas son más largas que las de los microarrays de alta densidad y no pueden identificar eventos de empalme alternativo . Los microarrays con puntos utilizan dos fluoróforos diferentes para marcar las muestras de prueba y control, y la relación de fluorescencia se utiliza para calcular una medida relativa de abundancia. [ 56 ] Los microarrays de alta densidad utilizan una única etiqueta fluorescente, y cada muestra se hibrida y detecta individualmente. [ 57 ] Los microarrays de alta densidad se popularizaron con el microarray GeneChip de Affymetrix , donde cada transcrito se cuantifica mediante varias sondas cortas de 25 mer que, en conjunto, analizan un gen. [ 58 ]

Los microarrays NimbleGen eran microarrays de alta densidad producidos mediante un método de fotoquímica sin máscara , lo que permitía la fabricación flexible de microarrays en pequeñas o grandes cantidades. Estos microarrays contenían cientos de miles de sondas de 45 a 85 nucleótidos y se hibridaban con una muestra marcada con un solo color para el análisis de expresión. [ 59 ] Algunos diseños incorporaban hasta 12 microarrays independientes por portaobjetos.

Secuenciación de ARN

Resumen de RNA-Seq . Dentro de los organismos, los genes se transcriben y se empalman (en eucariotas) para producir transcritos de ARNm maduros (rojo). El ARNm se extrae del organismo, se fragmenta y se copia en ADNc bicatenario estable (azul). El ADNc bicatenario se secuencia mediante métodos de secuenciación de alto rendimiento y lectura corta. Estas secuencias se pueden alinear con una secuencia de genoma de referencia para reconstruir qué regiones del genoma se estaban transcribiendo. Estos datos se pueden utilizar para anotar dónde se encuentran los genes expresados, sus niveles de expresión relativos y cualquier variante de empalme alternativa. [ 51 ]

Principios y avances

RNA-Seq se refiere a la combinación de una metodología de secuenciación de alto rendimiento con métodos computacionales para capturar y cuantificar los transcritos presentes en un extracto de ARN. [ 10 ] Las secuencias de nucleótidos generadas suelen tener alrededor de 100 pb de longitud, pero pueden variar de 30 pb a más de 10 000 pb dependiendo del método de secuenciación utilizado. RNA-Seq aprovecha el muestreo profundo del transcriptoma con muchos fragmentos cortos de un transcriptoma para permitir la reconstrucción computacional del transcrito de ARN original mediante la alineación de lecturas a un genoma de referencia o entre sí ( ensamblaje de novo ). [ 9 ] Tanto los ARN de baja abundancia como los de alta abundancia pueden cuantificarse en un experimento de RNA-Seq ( rango dinámico de 5 órdenes de magnitud ), una ventaja clave sobre los transcriptomas de microarrays. Además, las cantidades de ARN de entrada son mucho menores para RNA-Seq (cantidad de nanogramos) en comparación con los microarrays (cantidad de microgramos), que permiten examinar el transcriptoma incluso con resolución de célula única cuando se combinan con la amplificación de ADNc. [ 25 ] [ 60 ] Teóricamente, no hay límite superior de cuantificación en RNA-Seq, y el ruido de fondo es muy bajo para lecturas de 100 pb en regiones no repetitivas. [ 10 ]

La secuenciación de ARN (RNA-Seq) puede utilizarse para identificar genes dentro de un genoma o para identificar qué genes están activos en un momento determinado, y el recuento de lecturas puede utilizarse para modelar con precisión el nivel de expresión génica relativa. La metodología de RNA-Seq ha mejorado constantemente, principalmente a través del desarrollo de tecnologías de secuenciación de ADN para aumentar el rendimiento, la precisión y la longitud de lectura. [ 61 ] Desde las primeras descripciones en 2006 y 2008, [ 40 ] [ 62 ] la RNA-Seq se ha adoptado rápidamente y superó a los microarrays como la técnica transcriptómica dominante en 2015. [ 63 ]

La búsqueda de datos transcriptómicos a nivel de células individuales ha impulsado avances en los métodos de preparación de bibliotecas de RNA-Seq, lo que ha dado lugar a avances drásticos en la sensibilidad. Los transcriptomas de células individuales están ahora bien descritos e incluso se han extendido al RNA-Seq in situ, donde los transcriptomas de células individuales se analizan directamente en tejidos fijados . [ 64 ]

Métodos

La secuenciación de ARN (RNA-Seq) se estableció en paralelo con el rápido desarrollo de diversas tecnologías de secuenciación de ADN de alto rendimiento. [ 65 ] Sin embargo, antes de secuenciar los transcritos de ARN extraídos, se realizan varios pasos de procesamiento clave. Los métodos difieren en el uso de enriquecimiento, fragmentación y amplificación de transcritos, secuenciación de extremos simples o apareados, y en si se conserva o no la información de la cadena. [ 65 ]

La sensibilidad de un experimento de RNA-Seq puede incrementarse enriqueciendo las clases de ARN de interés y eliminando los ARN abundantes conocidos. Las moléculas de ARNm pueden separarse utilizando sondas de oligonucleótidos que se unen a sus colas de poli-A . Alternativamente, la eliminación de ARN ribosómicos puede utilizarse para eliminar específicamente los ARN ribosómicos (ARNr) abundantes pero no informativos mediante hibridación con sondas diseñadas para las secuencias de ARNr específicas del taxón (p. ej., ARNr de mamíferos , ARNr de plantas). Sin embargo, la eliminación de ARN ribosómicos también puede introducir cierto sesgo debido a la eliminación no específica de transcritos fuera de objetivo. [ 66 ] Los ARN pequeños, como los microARN , pueden purificarse en función de su tamaño mediante electroforesis en gel y extracción.

Dado que los ARNm son más largos que las longitudes de lectura de los métodos típicos de secuenciación de alto rendimiento, los transcritos generalmente se fragmentan antes de la secuenciación. [ 67 ] El método de fragmentación es un aspecto clave de la construcción de la biblioteca de secuenciación. La fragmentación puede lograrse mediante hidrólisis química , nebulización , sonicación o transcripción inversa con nucleótidos terminadores de cadena . [ 67 ] Alternativamente, la fragmentación y el etiquetado de ADNc pueden realizarse simultáneamente mediante el uso de enzimas transposasas . [ 68 ]

Durante la preparación para la secuenciación, las copias de ADNc de los transcritos pueden amplificarse mediante PCR para enriquecer los fragmentos que contienen las secuencias adaptadoras 5' y 3' esperadas. [ 69 ] La amplificación también se utiliza para permitir la secuenciación de cantidades muy bajas de ARN, hasta tan solo 50 pg en aplicaciones extremas. [ 70 ] Los controles de Spike-in de ARN conocidos pueden utilizarse para la evaluación del control de calidad para comprobar la preparación de la biblioteca y la secuenciación, en términos de contenido de GC , longitud del fragmento, así como el sesgo debido a la posición del fragmento dentro de un transcrito. [ 71 ] Los identificadores moleculares únicos (UMI) son secuencias cortas aleatorias que se utilizan para etiquetar individualmente los fragmentos de secuencia durante la preparación de la biblioteca de modo que cada fragmento etiquetado sea único. [ 72 ] Los UMI proporcionan una escala absoluta para la cuantificación, la oportunidad de corregir el sesgo de amplificación posterior introducido durante la construcción de la biblioteca y estimar con precisión el tamaño de la muestra inicial. Los UMI son particularmente adecuados para la transcriptómica de ARN-Seq de células individuales, donde la cantidad de ARN de entrada es limitada y se requiere una amplificación extendida de la muestra. [ 73 ] [ 74 ] [ 75 ]

Una vez preparadas las moléculas de transcripción, se pueden secuenciar en una sola dirección (secuenciación de extremo único) o en ambas direcciones (secuenciación de extremos apareados). La secuenciación de extremo único suele ser más rápida y económica que la secuenciación de extremos apareados, y suficiente para cuantificar los niveles de expresión génica. La secuenciación de extremos apareados produce alineaciones/ensamblajes más robustos, lo que resulta beneficioso para la anotación génica y el descubrimiento de isoformas de transcripción . [ 10 ] Los métodos de RNA-Seq específicos de hebra preservan la información de hebra de una transcripción secuenciada. [ 76 ] Sin información de hebra, las lecturas se pueden alinear con un locus génico , pero no indican en qué dirección se transcribe el gen. Stranded-RNA-Seq es útil para descifrar la transcripción de genes que se solapan en diferentes direcciones y para realizar predicciones génicas más robustas en organismos no modelo. [ 76 ]

Leyenda: NCBI SRA – Archivo de lecturas de secuencias del Centro Nacional de Información Biotecnológica.

Actualmente, la secuenciación de ARN (RNA-Seq) se basa en la copia de moléculas de ARN en moléculas de ADNc antes de la secuenciación; por lo tanto, las plataformas subsiguientes son las mismas para datos transcriptómicos y genómicos. En consecuencia, el desarrollo de tecnologías de secuenciación de ADN ha sido una característica definitoria de la RNA-Seq. [ 78 ] [ 80 ] [ 81 ] La secuenciación directa de ARN mediante secuenciación de nanoporos representa una técnica de RNA-Seq de vanguardia. [ 82 ] [ 83 ] La secuenciación de ARN mediante nanoporos puede detectar bases modificadas que de otro modo estarían enmascaradas al secuenciar ADNc y también elimina los pasos de amplificación que podrían introducir sesgos. [ 11 ] [ 84 ]

La sensibilidad y precisión de un experimento de RNA-Seq dependen del número de lecturas obtenidas de cada muestra. [ 85 ] [ 86 ] Se necesita un gran número de lecturas para asegurar una cobertura suficiente del transcriptoma, lo que permite la detección de transcritos de baja abundancia. El diseño experimental se complica aún más por las tecnologías de secuenciación con un rango de salida limitado, la eficiencia variable de la creación de secuencias y la calidad variable de las secuencias. A estas consideraciones se suma que cada especie tiene un número diferente de genes y, por lo tanto, requiere un rendimiento de secuencia adaptado para un transcriptoma efectivo. Los primeros estudios determinaron umbrales adecuados empíricamente, pero a medida que la tecnología maduró, la cobertura adecuada se predijo computacionalmente por la saturación del transcriptoma. De manera algo contraintuitiva, la forma más efectiva de mejorar la detección de la expresión diferencial en genes de baja expresión es agregar más réplicas biológicas en lugar de agregar más lecturas. [ 87 ] Los estándares actuales recomendados por el Proyecto Enciclopedia de Elementos del ADN (ENCODE) son para una cobertura de exoma de 70 veces para RNA-Seq estándar y hasta una cobertura de exoma de 500 veces para detectar transcritos e isoformas raras. [ 88 ] [ 89 ] [ 90 ]

Análisis de datos

Los métodos transcriptómicos son altamente paralelos y requieren una computación significativa para producir datos significativos para experimentos de microarrays y RNA-Seq. [ 91 ] [ 92 ] [ 93 ] [ 94 ] [ 95 ] Los datos de microarrays se registran como imágenes de alta resolución , lo que requiere detección de características y análisis espectral. [ 96 ] Los archivos de imágenes sin procesar de microarrays tienen un tamaño aproximado de 750 MB cada uno, mientras que las intensidades procesadas tienen un tamaño aproximado de 60 MB. Múltiples sondas cortas que coinciden con un solo transcrito pueden revelar detalles sobre la estructura intrón - exón , lo que requiere modelos estadísticos para determinar la autenticidad de la señal resultante. Los estudios de RNA-Seq producen miles de millones de secuencias cortas de ADN, que deben alinearse con genomas de referencia compuestos de millones a miles de millones de pares de bases. El ensamblaje de novo de lecturas dentro de un conjunto de datos requiere la construcción de gráficos de secuencia altamente complejos . [ 97 ] Las operaciones de RNA-Seq son altamente repetitivas y se benefician de la computación paralela , pero los algoritmos modernos hacen que el hardware de computación de consumo sea suficiente para experimentos de transcriptómica simples que no requieren ensamblaje de novo de lecturas. [ 98 ] Un transcriptoma humano podría capturarse con precisión utilizando RNA-Seq con 30 millones de secuencias de 100 pb por muestra. [ 85 ] [ 86 ] Este ejemplo requeriría aproximadamente 1,8 gigabytes de espacio en disco por muestra cuando se almacena en un formato fastq comprimido . Los datos de recuento procesados ​​para cada gen serían mucho más pequeños, equivalentes a las intensidades de microarrays procesadas. Los datos de secuencia pueden almacenarse en repositorios públicos, como el Sequence Read Archive (SRA). [ 99 ] Los conjuntos de datos de RNA-Seq pueden cargarse a través del Gene Expression Omnibus. [ 100 ]

Procesamiento de imágenes

Microarrays y celda de flujo de secuenciación . Los microarrays y la secuenciación de ARN (RNA-seq) se basan en el análisis de imágenes de diferentes maneras. En un chip de microarray, cada punto del chip es una sonda de oligonucleótido definida, y la intensidad de fluorescencia detecta directamente la abundancia de una secuencia específica (Affymetrix). En una celda de flujo de secuenciación de alto rendimiento, los puntos se secuencian nucleótido a nucleótido, y el color en cada ronda indica el siguiente nucleótido en la secuencia (Illumina HiSeq). Otras variaciones de estas técnicas utilizan más o menos canales de color. [ 51 ] [ 101 ]

El procesamiento de imágenes de microarrays debe identificar correctamente la cuadrícula regular de características dentro de una imagen y cuantificar de forma independiente la intensidad de fluorescencia para cada característica. Además, se deben identificar y eliminar los artefactos de la imagen del análisis general. Las intensidades de fluorescencia indican directamente la abundancia de cada secuencia, ya que la secuencia de cada sonda en el array ya se conoce. [ 102 ]

Los primeros pasos de la secuenciación de ARN también incluyen un procesamiento de imágenes similar; sin embargo, la conversión de imágenes a datos de secuencia generalmente se realiza automáticamente mediante el software del instrumento. El método de secuenciación por síntesis de Illumina produce una matriz de cúmulos distribuidos sobre la superficie de una celda de flujo. [ 103 ] La celda de flujo se visualiza hasta cuatro veces durante cada ciclo de secuenciación, con decenas o cientos de ciclos en total. Los cúmulos de la celda de flujo son análogos a los puntos de un microarreglo y deben identificarse correctamente durante las primeras etapas del proceso de secuenciación. En el método de pirosecuenciación de Roche , la intensidad de la luz emitida determina el número de nucleótidos consecutivos en una repetición de homopolímero. Existen muchas variantes de estos métodos, cada una con un perfil de error diferente para los datos resultantes. [ 104 ]

Análisis de datos de RNA-Seq

Los experimentos de RNA-Seq generan un gran volumen de lecturas de secuencias sin procesar que deben procesarse para obtener información útil. El análisis de datos generalmente requiere una combinación de herramientas de software bioinformático (véase también Lista de herramientas bioinformáticas de RNA-Seq ) que varían según el diseño y los objetivos experimentales. El proceso se puede dividir en cuatro etapas: control de calidad, alineación, cuantificación y expresión diferencial. [ 105 ] La mayoría de los programas de RNA-Seq más populares se ejecutan desde una interfaz de línea de comandos , ya sea en un entorno Unix o dentro del entorno estadístico R / Bioconductor . [ 94 ]

Control de calidad

Las lecturas de secuencia no son perfectas, por lo que es necesario estimar la precisión de cada base en la secuencia para los análisis posteriores. Se examinan los datos brutos para garantizar que: las puntuaciones de calidad para las llamadas de bases sean altas, el contenido de GC coincida con la distribución esperada, los motivos de secuencia cortos ( k-meros ) no estén sobrerrepresentados y la tasa de duplicación de lectura sea aceptablemente baja. [ 86 ] Existen varias opciones de software para el análisis de la calidad de la secuencia, incluidos FastQC y FaQCs. [ 106 ] [ 107 ] Las anomalías pueden eliminarse (recorte) o etiquetarse para un tratamiento especial durante los procesos posteriores.

Alineación

Para vincular la abundancia de lecturas de secuencia con la expresión de un gen en particular, las secuencias de transcripción se alinean con un genoma de referencia o se alinean de novo entre sí si no hay referencia disponible. [ 108 ] [ 109 ] [ 110 ] Los principales desafíos para el software de alineación incluyen la velocidad suficiente para permitir que miles de millones de secuencias cortas se alineen en un plazo de tiempo significativo, la flexibilidad para reconocer y manejar el empalme de intrones del ARNm eucariota y la asignación correcta de lecturas que se mapean a múltiples ubicaciones. Los avances del software han abordado en gran medida estos problemas, y el aumento en la longitud de lectura de secuenciación reduce la probabilidad de alineaciones de lectura ambiguas. El EBI mantiene una lista de alineadores de secuencias de alto rendimiento actualmente disponibles . [ 111 ] [ 112 ]

La alineación de secuencias de ARNm de transcripción primaria derivadas de eucariotas a un genoma de referencia requiere un manejo especializado de las secuencias de intrones , que están ausentes en el ARNm maduro. [ 113 ] Los alineadores de lecturas cortas realizan una ronda adicional de alineaciones diseñadas específicamente para identificar uniones de empalme , basándose en secuencias de sitios de empalme canónicas e información conocida sobre sitios de empalme de intrones. La identificación de las uniones de empalme de intrones evita que las lecturas se desalineen a través de las uniones de empalme o se descarten erróneamente, lo que permite alinear más lecturas al genoma de referencia y mejora la precisión de las estimaciones de expresión génica. Dado que la regulación génica puede ocurrir a nivel de isoforma de ARNm , las alineaciones que tienen en cuenta el empalme también permiten la detección de cambios en la abundancia de isoformas que de otro modo se perderían en un análisis masivo. [ 114 ]

El ensamblaje de novo puede utilizarse para alinear lecturas entre sí y construir secuencias de transcritos de longitud completa sin utilizar un genoma de referencia. [ 115 ] Los desafíos particulares del ensamblaje de novo incluyen mayores requisitos computacionales en comparación con un transcriptoma basado en referencia, validación adicional de variantes o fragmentos de genes y anotación adicional de los transcritos ensamblados. Se ha demostrado que las primeras métricas utilizadas para describir los ensamblajes de transcriptomas, como N50 , son engañosas [ 116 ] y ahora se dispone de métodos de evaluación mejorados. [ 117 ] [ 118 ] Las métricas basadas en anotaciones son mejores evaluaciones de la completitud del ensamblaje, como el recuento de mejores coincidencias recíprocas de contigs . Una vez ensamblado de novo , el ensamblaje puede utilizarse como referencia para métodos posteriores de alineación de secuencias y análisis cuantitativos de expresión génica.

Leyenda: RAM – memoria de acceso aleatorio; MPI – interfaz de paso de mensajes; EST – etiqueta de secuencia expresada.

Cuantificación

Identificación mediante mapa de calor de patrones de coexpresión génica en diferentes muestras. Cada columna contiene las mediciones del cambio en la expresión génica para una sola muestra. La expresión génica relativa se indica mediante colores: alta expresión (rojo), expresión media (blanco) y baja expresión (azul). Los genes y las muestras con perfiles de expresión similares se pueden agrupar automáticamente (árboles izquierdo y superior). Las muestras pueden corresponder a diferentes individuos, tejidos, entornos o condiciones de salud. En este ejemplo, la expresión del conjunto de genes 1 es alta y la del conjunto de genes 2 es baja en las muestras 1, 2 y 3. [ 51 ] [ 129 ]

La cuantificación de alineamientos de secuencias puede realizarse a nivel de gen, exón o transcrito. [ 91 ] [ 87 ] Los resultados típicos incluyen una tabla de recuentos de lecturas para cada característica proporcionada al software; por ejemplo, para genes en un archivo de formato de característica general . Los recuentos de lecturas de genes y exones pueden calcularse con bastante facilidad utilizando HTSeq, por ejemplo. [ 130 ] La cuantificación a nivel de transcrito es más complicada y requiere métodos probabilísticos para estimar la abundancia de isoformas de transcritos a partir de información de lectura corta; por ejemplo, utilizando el software cufflinks. [ 114 ] Las lecturas que se alinean igualmente bien a múltiples ubicaciones deben identificarse y eliminarse, alinearse a una de las ubicaciones posibles o alinearse a la ubicación más probable.

Algunos métodos de cuantificación pueden evitar por completo la necesidad de una alineación exacta de una lectura con una secuencia de referencia. El método del software Kallisto combina la pseudoalineación y la cuantificación en un solo paso que se ejecuta dos órdenes de magnitud más rápido que los métodos contemporáneos, como los utilizados por el software TopHat/Cufflinks, con una menor carga computacional. [ 131 ]

Expresión diferencial

Una vez que se dispone de recuentos cuantitativos de cada transcrito, la expresión génica diferencial se mide normalizando, modelando y analizando estadísticamente los datos. [ 108 ] La mayoría de las herramientas leen una tabla de genes y recuentos de lecturas como entrada, pero algunos programas, como cuffdiff, aceptan alineaciones de lecturas en formato de mapa de alineación binaria como entrada. Los resultados finales de estos análisis son listas de genes con pruebas por pares asociadas para la expresión diferencial entre tratamientos y las estimaciones de probabilidad de esas diferencias. [ 132 ]

Leyenda: ARNm - ARN mensajero.

Validación

Los análisis transcriptómicos pueden validarse utilizando una técnica independiente, por ejemplo, PCR cuantitativa (qPCR), que es reconocible y evaluable estadísticamente. [ 135 ] La expresión génica se mide con respecto a estándares definidos tanto para el gen de interés como para los genes de control . La medición por qPCR es similar a la obtenida por RNA-Seq, donde se puede calcular un valor para la concentración de una región objetivo en una muestra dada. Sin embargo, la qPCR está restringida a amplicones menores de 300 pb, generalmente hacia el extremo 3' de la región codificante, evitando la 3'UTR . [ 136 ] Si se requiere la validación de isoformas de transcritos, una inspección de alineaciones de lecturas de RNA-Seq debería indicar dónde podrían colocarse los cebadores de qPCR para una máxima discriminación. La medición de múltiples genes de control junto con los genes de interés produce una referencia estable dentro de un contexto biológico. [ 137 ] La validación de datos de RNA-Seq por qPCR ha demostrado generalmente que los diferentes métodos de RNA-Seq están altamente correlacionados. [ 62 ] [ 138 ] [ 139 ]

La validación funcional de genes clave es una consideración importante para la planificación posterior al transcriptoma. Los patrones de expresión génica observados pueden vincularse funcionalmente a un fenotipo mediante un estudio independiente de silenciamiento / rescate en el organismo de interés. [ 140 ]

Aplicaciones

Diagnóstico y perfil de enfermedades

Las estrategias transcriptómicas han tenido una amplia aplicación en diversas áreas de la investigación biomédica, incluyendo el diagnóstico y la caracterización de enfermedades . [ 10 ] [ 141 ] Los enfoques de RNA-Seq han permitido la identificación a gran escala de sitios de inicio de la transcripción , el descubrimiento del uso alternativo de promotores y nuevas alteraciones de empalme . Estos elementos reguladores son importantes en las enfermedades humanas y, por lo tanto, definir dichas variantes es crucial para la interpretación de los estudios de asociación de enfermedades . [ 142 ] RNA-Seq también puede identificar polimorfismos de un solo nucleótido (SNP) asociados a enfermedades, expresión específica de alelos y fusiones génicas , lo que contribuye a la comprensión de las variantes causales de enfermedades. [ 143 ]

Los retrotransposones son elementos transponibles que proliferan dentro de los genomas eucariotas mediante un proceso de transcripción inversa . La secuenciación de ARN (RNA-Seq) puede proporcionar información sobre la transcripción de retrotransposones endógenos que pueden influir en la transcripción de genes vecinos mediante diversos mecanismos epigenéticos que conducen a enfermedades. [ 144 ] De manera similar, el potencial del uso de RNA-Seq para comprender las enfermedades relacionadas con el sistema inmunitario se está expandiendo rápidamente debido a la capacidad de diseccionar poblaciones de células inmunitarias y secuenciar los repertorios de receptores de células T y B de los pacientes. [ 145 ] [ 146 ]

transcriptomas humanos y de patógenos

La secuenciación de ARN (RNA-Seq) de patógenos humanos se ha convertido en un método establecido para cuantificar los cambios en la expresión génica, identificar nuevos factores de virulencia , predecir la resistencia a los antibióticos y revelar las interacciones inmunitarias huésped-patógeno . [ 147 ] [ 148 ] Un objetivo principal de esta tecnología es desarrollar medidas optimizadas de control de infecciones y tratamientos individualizados dirigidos . [ 146 ]

El análisis transcriptómico se ha centrado principalmente en el huésped o en el patógeno. La secuenciación dual de ARN (RNA-Seq) se ha aplicado para perfilar simultáneamente la expresión de ARN tanto en el patógeno como en el huésped a lo largo del proceso de infección. Esta técnica permite estudiar la respuesta dinámica y las redes reguladoras de genes entre especies en ambos socios de interacción, desde el contacto inicial hasta la invasión y la persistencia final del patógeno o su eliminación por el sistema inmunitario del huésped . [ 149 ] [ 150 ]

Respuestas al entorno

La transcriptómica permite la identificación de genes y vías que responden y contrarrestan el estrés ambiental biótico y abiótico. [ 151 ] [ 140 ] La naturaleza no dirigida de la transcriptómica permite la identificación de nuevas redes transcripcionales en sistemas complejos. Por ejemplo, el análisis comparativo de una gama de líneas de garbanzo en diferentes etapas de desarrollo identificó perfiles transcripcionales distintos asociados con el estrés por sequía y salinidad , incluyendo la identificación del papel de las isoformas de transcripción de AP2 - EREBP . [ 151 ] La investigación de la expresión génica durante la formación de biopelículas por el patógeno fúngico Candida albicans reveló un conjunto de genes corregulados críticos para el establecimiento y mantenimiento de la biopelícula. [ 152 ]

El perfil transcriptómico también proporciona información crucial sobre los mecanismos de resistencia a los fármacos . El análisis de más de 1000 aislamientos de Plasmodium falciparum , un parásito virulento responsable de la malaria en humanos, [ 153 ] identificó que la regulación positiva de la respuesta a proteínas mal plegadas y una progresión más lenta a través de las primeras etapas del ciclo de desarrollo intraeritrocitario asexual estaban asociadas con la resistencia a la artemisinina en aislamientos del sudeste asiático . [ 154 ]

El uso de la transcriptómica también es importante para investigar las respuestas en el medio marino. [ 155 ] En ecología marina, el " estrés " y la " adaptación " han sido algunos de los temas de investigación más comunes, especialmente relacionados con el estrés antropogénico, como el cambio global y la contaminación . [ 155 ] La mayoría de los estudios en esta área se han realizado en animales , aunque los invertebrados han estado subrepresentados. [ 155 ] Un problema que aún persiste es la deficiencia en los estudios de genética funcional, que dificultan las anotaciones de genes , especialmente para especies no modelo, y pueden llevar a conclusiones vagas sobre los efectos de las respuestas estudiadas. [ 155 ]

La transcriptómica es particularmente útil para estudiar cómo los genes bacterianos responden a entornos complejos asociados a las plantas, donde la adaptación está impulsada por la regulación coordinada de múltiples genes en lugar de factores únicos y bien caracterizados. En las interacciones planta-microbio, los análisis transcriptómicos han identificado conjuntos de genes bacterianos que se inducen específicamente durante la colonización de la planta o en respuesta a señales derivadas de la planta, muchos de los cuales carecen de anotación funcional previa y no se detectarían mediante enfoques dirigidos. Al integrar datos de expresión génica con análisis genómicos comparativos o a nivel de comunidad, la transcriptómica ayuda a vincular la regulación génica bacteriana con la relevancia ecológica y los procesos adaptativos en nichos asociados a las plantas. Este enfoque ha demostrado ser valioso para identificar funciones bacterianas previamente ignoradas involucradas en la tolerancia al estrés, la interacción con el huésped y la adaptación al nicho.

Anotación de la función genética

Todas las técnicas transcriptómicas han sido particularmente útiles para identificar las funciones de los genes y determinar aquellos responsables de fenotipos específicos. La transcriptómica de ecotipos de Arabidopsis que hiperacumulan metales correlacionó genes involucrados en la absorción , tolerancia y homeostasis de metales con el fenotipo. [ 156 ] La integración de conjuntos de datos de RNA-Seq en diferentes tejidos se ha utilizado para mejorar la anotación de las funciones genéticas en organismos de importancia comercial (por ejemplo, pepino ) [ 157 ] o especies amenazadas (por ejemplo, koala ). [ 158 ]

El ensamblaje de lecturas de RNA-Seq no depende de un genoma de referencia [ 122 ] y, por lo tanto, es ideal para estudios de expresión génica de organismos no modelo con recursos genómicos inexistentes o poco desarrollados. Por ejemplo, una base de datos de SNP utilizada en programas de mejoramiento del abeto de Douglas se creó mediante análisis de transcriptoma de novo en ausencia de un genoma secuenciado . [ 159 ] De manera similar, los genes que funcionan en el desarrollo del tejido cardíaco, muscular y nervioso en las langostas se identificaron comparando los transcriptomas de los diversos tipos de tejido sin utilizar una secuencia genómica. [ 160 ] RNA-Seq también se puede utilizar para identificar regiones codificantes de proteínas previamente desconocidas en genomas secuenciados existentes.

ARN no codificante

La transcriptómica se aplica con mayor frecuencia al contenido de ARNm de la célula. Sin embargo, las mismas técnicas son igualmente aplicables a los ARN no codificantes (ARNnc) que no se traducen en una proteína, sino que tienen funciones directas (por ejemplo, roles en la traducción de proteínas , replicación del ADN , empalme de ARN y regulación transcripcional ). [ 161 ] [ 162 ] [ 163 ] [ 164 ] Muchos de estos ARNnc afectan estados patológicos, incluyendo cáncer, enfermedades cardiovasculares y neurológicas. [ 165 ]

Bases de datos del transcriptoma

Los estudios transcriptómicos generan grandes cantidades de datos con aplicaciones potenciales que van mucho más allá de los objetivos originales de un experimento. Por ello, los datos, tanto brutos como procesados, pueden depositarse en bases de datos públicas para garantizar su utilidad para la comunidad científica en general. Por ejemplo, en 2018, el Gene Expression Omnibus contenía millones de experimentos. [ 166 ]

Leyenda: NCBI – Centro Nacional de Información Biotecnológica; EBI – Instituto Europeo de Bioinformática; DDBJ – Banco de Datos de ADN de Japón; ENA – Archivo Europeo de Nucleótidos; MIAME – Información Mínima sobre un Experimento de Microarrays; MINSEQE – Información Mínima sobre un Experimento de Secuenciación de Núcleos de Alto Rendimiento.

Véase también

Referencias

Este artículo fue adaptado de la siguiente fuente bajo una licencia CC BY 4.0 ( 2017 ) ( informes de revisores ): Rohan Lowe; Neil Shirley; Mark Bleackley; Stephen Dolan; Thomas Shafee (18 de mayo de 2017). " Tecnologías transcriptómicas" . PLOS Computational Biology . 13 (5) e1005457. doi : 10.1371/JOURNAL.PCBI.1005457 . ISSN 1553-734X . PMC 5436640. PMID 28545146. S2CID 3714586. Wikidata Q33703532 .     

  1. ↑ "Tendencias de Medline: estadísticas anuales automatizadas de los resultados de PubMed para cualquier consulta" . dan.corlan.net . Consultado el 5 de octubre de 2016 .
  2. 1 2 Adams MD, Kelley JM, Gocayne JD, Dubnick M, Polymeropoulos MH, Xiao H, et al. (junio de 1991). "Secuenciación de ADN complementario: etiquetas de secuencia expresada y proyecto del genoma humano". Science . 252 (5013): 1651– 6. Bibcode : 1991Sci...252.1651A . doi : 10.1126/science.2047873 . PMID 2047873 . S2CID 13436211 .   
  3. ↑ Pan Q, Shai O, Lee LJ, Frey BJ, Blencowe BJ (diciembre de 2008). "Análisis profundo de la complejidad del empalme alternativo en el transcriptoma humano mediante secuenciación de alto rendimiento". Nature Genetics . 40 (12): 1413– 5. doi : 10.1038/ng.259 . PMID 18978789. S2CID 9228930 .  
  4. 1 2 Sultan M, Schulz MH, Richard H, Magen A, Klingenhoff A, Scherf M, et al. (agosto de 2008). "Una visión global de la actividad genética y el empalme alternativo mediante secuenciación profunda del transcriptoma humano". Science . 321 (5891): 956– 60. Bibcode : 2008Sci...321..956S . doi : 10.1126/science.1160342 . PMID 18599741 . S2CID 10013179 .   
  5. ↑ Lappalainen T, Sammeth M, Friedländer MR, 't Hoen PA, Monlong J, Rivas MA, et al. (septiembre de 2013). "La secuenciación del transcriptoma y del genoma revela variación funcional en humanos" . Nature . 501 (7468): 506–11 . Bibcode : 2013Natur.501..506L . doi : 10.1038/ nature12531 . PMC 3918453. PMID 24037378 .   
  6. 1 2 Melé M, Ferreira PG, Reverter F, DeLuca DS, Monlong J, Sammeth M, et al. (mayo de 2015). " Genómica humana. El transcriptoma humano a través de tejidos e individuos" . Science . 348 (6235): 660– 5. Bibcode : 2015Sci...348..660M . doi : 10.1126/science.aaa0355 . PMC 4547472. PMID 25954002 .   
  7. ↑ Sandberg R (enero de 2014). "Entrando en la era de la transcriptómica de células individuales en biología y medicina" . Nature Methods . 11 (1): 22– 4. doi : 10.1038/nmeth.2764 . PMID 24524133. S2CID 27632439 .  
  8. ↑ Kolodziejczyk AA, Kim JK, Svensson V, Marioni JC, Teichmann SA (mayo de 2015). "La tecnología y la biología de la secuenciación de ARN de células individuales" . Molecular Cell . 58 (4): 610–20 . doi : 10.1016/j.molcel.2015.04.005 . PMID 26000846 . 
  9. ^ McGettigan PA ( febrero de 2013 ). "Transcriptómica en la era RNA-seq". Opinión actual en biología química . 17 (1): 4– 11. Código Bib : 2013COCB...17....4M . doi : 10.1016/j.cbpa.2012.12.008 . PMID 23290152 . 
  10. 1 2 3 4 5 6 7 8 9 10 11 12 Wang Z, Gerstein M, Snyder M (enero de 2009). " RNA-Seq: una herramienta revolucionaria para la transcriptómica" . Nature Reviews Genetics . 10 (1): 57– 63. doi : 10.1038/nrg2484 . PMC 2949280. PMID 19015660 .  
  11. 1 2 3 Ozsolak F, Milos PM (febrero de 2011). " Secuenciación de ARN: avances, desafíos y oportunidades" . Nature Reviews Genetics . 12 (2): 87– 98. doi : 10.1038/nrg2934 . PMC 3031867. PMID 21191423 .  
  12. 1 2 3 Morozova O, Hirst M, Marra MA (2009). "Aplicaciones de nuevas tecnologías de secuenciación para el análisis del transcriptoma". Annual Review of Genomics and Human Genetics . 10 : 135–51 . doi : 10.1146/annurev-genom-082908-145957 . PMID 19715439 . 
  13. ↑ Sim GK, Kafatos FC, Jones CW, Koehler MD, Efstratiadis A, Maniatis T (diciembre de 1979). "Uso de una biblioteca de ADNc para estudios sobre la evolución y la expresión del desarrollo de las familias multigénicas del corion" . Cell . 18 (4): 1303–16 . doi : 10.1016/0092-8674(79)90241-1 . PMID 519770 . 
  14. ↑ Sutcliffe JG, Milner RJ, Bloom FE, Lerner RA (agosto de 1982). "Secuencia común de 82 nucleótidos única del ARN cerebral" . Actas de la Academia Nacional de Ciencias de los Estados Unidos de América . 79 (16): 4942– 6. Bibcode : 1982PNAS...79.4942S . doi : 10.1073/pnas.79.16.4942 . PMC 346801. PMID 6956902 .  
  15. ↑ Putney SD, Herlihy WC, Schimmel P (abril de 1983). "Una nueva troponina T y clones de ADNc para 13 proteínas musculares diferentes, encontrados mediante secuenciación de escopeta". Nature . 302 ( 5910): 718–21 . Bibcode : 1983Natur.302..718P . doi : 10.1038/302718a0 . PMID 6687628. S2CID 4364361 .  
  16. 1 2 3 4 Marra MA, Hillier L, Waterston RH (enero de 1998). "Etiquetas de secuencia expresada: estableciendo puentes entre genomas". Trends in Genetics . 14 (1): 4– 7. doi : 10.1016/S0168-9525(97)01355-3 . PMID 9448457 . 
  17. ↑ Alwine JC, Kemp DJ, Stark GR (diciembre de 1977). "Método para la detección de ARN específicos en geles de agarosa mediante transferencia a papel de diazobenziloximetilo e hibridación con sondas de ADN" . Actas de la Academia Nacional de Ciencias de los Estados Unidos de América . 74 (12): 5350– 4. Bibcode : 1977PNAS ...74.5350A . doi : 10.1073/pnas.74.12.5350 . PMC 431715. PMID 414220 .  
  18. ↑ Becker-André M, Hahlbrock K (noviembre de 1989). "Cuantificación absoluta de ARNm mediante la reacción en cadena de la polimerasa (PCR). Un nuevo enfoque mediante un ensayo de titulación de transcripción asistido por PCR (PATTY)" . Nucleic Acids Research . 17 (22): 9437–46 . doi : 10.1093/nar/17.22.9437 . PMC 335144. PMID 2479917 .  
  19. ↑ Piétu G, Mariage-Samson R, Fayein NA, Matingou C, Eveno E, Houlgatte R, Decraene C, Vandenbrouck Y, Tahi F, Devignes MD, Wirkner U, Ansorge W, Cox D, Nagase T, Nomura N, Auffray C (febrero de 1999). "La base de conocimiento Genexpress IMAGE del transcriptoma del cerebro humano: un prototipo de recurso integrado para la genómica funcional y computacional" . Genome Research . 9 (2): 195– 209. doi : 10.1101/gr.9.2.195 . PMC 310711. PMID 10022985 .  
  20. ^ Velculescu VE, Zhang L, Zhou W, Vogelstein J, Basrai MA, Bassett DE, Hieter P, Vogelstein B, Kinzler KW (enero de 1997). "Caracterización del transcriptoma de levadura" . Celúla . 88 (2): 243– 51. Bibcode : 1997Célula...88..243V . doi : 10.1016/S0092-8674(00)81845-0 . PMID 9008165 . S2CID 11430660 .  
  21. 1 2 3 4 Velculescu VE, Zhang L, Vogelstein B, Kinzler KW (octubre de 1995). "Análisis serial de la expresión génica". Science . 270 (5235): 484– 7. Bibcode : 1995Sci...270..484V . doi : 10.1126/science.270.5235.484 . PMID 7570003 . S2CID 16281846 .  
  22. ↑ Audic S, Claverie JM (octubre de 1997). "La importancia de los perfiles de expresión genética digital" . Genome Research . 7 (10): 986–95 . doi : 10.1101/gr.7.10.986 . PMID 9331369 . 
  23. 1 2 3 4 5 6 Mantione KJ, Kream RM, Kuzelova H, Ptacek R, Raboch J, Samuel JM, Stefano GB (agosto de 2014). "Comparación de métodos de perfilado de expresión génica bioinformática: microarrays y RNA-Seq" . Medical Science Monitor Basic Research . 20 : 138–42 . doi : 10.12659/MSMBR.892101 . PMC 4152252. PMID 25149683 .  
  24. ↑ Zhao S, Fung-Leung WP, Bittner A, Ngo K, Liu X (2014). "Comparación de RNA-Seq y microarrays en el perfilado del transcriptoma de células T activadas" . PLOS ONE . 9 (1) e78644. Bibcode : 2014PLoSO...978644Z . doi : 10.1371/journal.pone.0078644 . PMC 3894192. PMID 24454679 .  
  25. 1 2 Hashimshony T, Wagner F, Sher N, Yanai I (septiembre de 2012). "CEL-Seq: secuenciación de ARN de célula única mediante amplificación lineal multiplexada" . Cell Reports . 2 (3): 666– 73. Bibcode : 2012CellR...2..666H . doi : 10.1016/j.celrep.2012.08.003 . PMID 22939981 . 
  26. ↑ Stears RL, Getts RC, Gullans SR (agosto de 2000). "Un sistema de detección novedoso y sensible para microarrays de alta densidad utilizando tecnología de dendrímeros". Physiological Genomics . 3 (2): 93– 9. doi : 10.1152/physiolgenomics.2000.3.2.93 . PMID 11015604 . 
  27. 1 2 3 4 5 6 Illumina (11/07/2011). "Comparación de datos de RNA-Seq con microarrays de expresión génica" (PDF) . European Pharmaceutical Review.
  28. 1 2 Black MB, Parks BB, Pluta L, Chu TM, Allen BC, Wolfinger RD, Thomas RS (febrero de 2014). "Comparación de microarrays y RNA-seq para análisis de expresión génica de experimentos de dosis-respuesta". Toxicological Sciences . 137 (2): 385– 403. doi : 10.1093/toxsci/kft249 . PMID 24194394 . 
  29. ↑ Marioni JC, Mason CE, Mane SM, Stephens M, Gilad Y (septiembre de 2008). "RNA-seq: una evaluación de la reproducibilidad técnica y comparación con matrices de expresión génica" . Genome Research . 18 (9): 1509–17 . doi : 10.1101/gr.079558.108 . PMC 2527709. PMID 18550803 .  
  30. ↑ Consorcio SEQC/MAQC-III (septiembre de 2014). "Una evaluación integral de la precisión, reproducibilidad y contenido de información de RNA-seq por el Consorcio de Control de Calidad de Secuenciación" . Nature Biotechnology . 32 (9): 903–14 . Bibcode : 2014NatBi..32..903. . doi : 10.1038/nbt.2957 . PMC 4321899 . PMID 25150838 .  
  31. ↑ Chen JJ, Hsueh HM, Delongchamp RR, Lin CJ, Tsai CA (octubre de 2007). "Reproducibilidad de datos de microarrays: un análisis adicional de datos de control de calidad de microarrays (MAQC)" . BMC Bioinformatics . 8 412. doi : 10.1186/1471-2105-8-412 . PMC 2204045. PMID 17961233 .  
  32. ↑ Larkin JE, Frank BC, Gavras H, Sultana R, Quackenbush J (mayo de 2005). "Independencia y reproducibilidad entre plataformas de microarrays". Nature Methods . 2 (5): 337– 44. Bibcode : 2005NatCB...2..337L . doi : 10.1038/nmeth757 . PMID 15846360. S2CID 16088782 .  
  33. 1 2 Nelson NJ (abril de 2001). "Los microarrays han llegado: la herramienta de expresión génica madura". Journal of the National Cancer Institute . 93 (7): 492– 4. doi : 10.1093/jnci/93.7.492 . PMID 11287436 . 
  34. ↑ Schena M, Shalon D, Davis RW, Brown PO (octubre de 1995). "Monitoreo cuantitativo de patrones de expresión génica con un microarreglo de ADN complementario". Science . 270 ( 5235): 467–70 . Bibcode : 1995Sci...270..467S . doi : 10.1126/science.270.5235.467 . PMID 7569999. S2CID 6720459 .  
  35. 1 2 Pozhitkov AE, Tautz D, Noble PA (junio de 2007). "Microarrays de oligonucleótidos: ampliamente aplicados, poco comprendidos" . Briefings in Functional Genomics & Proteomics . 6 (2): 141– 8. doi : 10.1093/bfgp/elm014 . hdl : 11858/00-001M-0000-000F-D7B3-3 . PMID 17644526 . 
  36. 1 2 3 Heller MJ (2002). "Tecnología de microarrays de ADN: dispositivos, sistemas y aplicaciones". Annual Review of Biomedical Engineering . 4 : 129–53 . doi : 10.1146/annurev.bioeng.4.020702.153438 . PMID 12117754 . 
  37. ↑ McLachlan GJ, Do KA , Ambroise C (2005). Analyzing Microarray Gene Expression Data . Hoboken: John Wiley & Sons. ISBN 978-0-471-72612-8.
  38. ↑ Brenner S, Johnson M, Bridgham J, Golda G, Lloyd DH, Johnson D, Luo S, McCurdy S, Foy M, Ewan M, Roth R, George D, Eletr S, Albrecht G, Vermaas E, Williams SR, Moon K, Burcham T, Pallas M, DuBridge RB, Kirchner J, Fearon K, Mao J, Corcoran K (junio de 2000). "Análisis de la expresión génica mediante secuenciación de firmas masivamente paralela (MPSS) en matrices de microesferas". Nature Biotechnology . 18 (6): 630– 4. doi : 10.1038/76469 . PMID 10835600. S2CID 13884154 .  
  39. ↑ Meyers BC, Vu TH, Tej SS, Ghazal H, Matvienko M, Agrawal V, Ning J, Haudenschild CD (agosto de 2004). "Análisis de la complejidad transcripcional de Arabidopsis thaliana mediante secuenciación de firmas masivamente paralela". Nature Biotechnology . 22 (8): 1006– 11. Bibcode : 2004NatBi..22.1006M . doi : 10.1038/nbt992 . PMID 15247925 . S2CID 15336496 .  
  40. 1 2 Bainbridge MN, Warren RL, Hirst M, Romanuik T, Zeng T, Go A, Delaney A, Griffith M, Hickenbotham M, Magrini V, Mardis ER, Sadar MD, Siddiqui AS, Marra MA, Jones SJ (septiembre de 2006). " Análisis del transcriptoma de la línea celular de cáncer de próstata LNCaP mediante un enfoque de secuenciación por síntesis" . BMC Genomics . 7 246. doi : 10.1186/1471-2164-7-246 . PMC 1592491. PMID 17010196 .  
  41. ↑ Mortazavi A, Williams BA, McCue K, Schaeffer L, Wold B (julio de 2008). "Mapeo y cuantificación de transcriptomas de mamíferos mediante RNA-Seq". Nature Methods . 5 (7): 621–8 . doi : 10.1038/nmeth.1226 . PMID 18516045. S2CID 205418589 .  
  42. ↑ Wilhelm BT, Marguerat S, Watt S, Schubert F, Wood V, Goodhead I, Penkett CJ, Rogers J, Bähler J (junio de 2008). "Repertorio dinámico de un transcriptoma eucariota analizado con resolución de un solo nucleótido". Nature . 453 ( 7199): 1239–43 . Bibcode : 2008Natur.453.1239W . doi : 10.1038/nature07002 . PMID 18488015. S2CID 205213499 .  
  43. ↑ Sultan M, Schulz MH, Richard H, Magen A, Klingenhoff A, Scherf M, Seifert M, Borodina T, Soldatov A, Parkhomchuk D, Schmidt D, O'Keeffe S, Haas S, Vingron M, Lehrach H, Yaspo ML (agosto de 2008). "Una visión global de la actividad genética y el empalme alternativo mediante secuenciación profunda del transcriptoma humano". Science . 321 (5891): 956– 60. Bibcode : 2008Sci...321..956S . doi : 10.1126/science.1160342 . PMID 18599741 . S2CID 10013179 .  
  44. 1 2 Chomczynski P, Sacchi N (abril de 1987). "Método de un solo paso para el aislamiento de ARN mediante extracción con tiocianato de guanidinio ácido-fenol-cloroformo". Analytical Biochemistry . 162 (1): 156– 9. doi : 10.1016/0003-2697(87)90021-2 . PMID 2440339 . 
  45. 1 2 Chomczynski P, Sacchi N (2006). "El método de un solo paso para el aislamiento de ARN mediante extracción con tiocianato de guanidinio ácido-fenol-cloroformo: veintitantos años después". Nature Protocols . 1 (2): 581– 5. doi : 10.1038/nprot.2006.83 . PMID 17406285 . S2CID 28653075 .  
  46. ↑ Grillo M, Margolis FL (septiembre de 1990). "Uso de la reacción en cadena de la polimerasa con transcriptasa inversa para monitorizar la expresión de genes sin intrones". BioTechniques . 9 (3): 262, 264, 266– 8. PMID 1699561 . 
  47. ↑ Bryant S, Manning DL (1998). "Aislamiento de ARN mensajero". Protocolos de aislamiento y caracterización de ARN . Métodos en biología molecular. Vol. 86. págs. 61–64 . doi : 10.1385/0-89603-494-1:61 . ISBN   978-0-89603-494-5. PMID 9664454 . 
  48. ↑ Zhao W, He X, Hoadley KA, Parker JS, Hayes DN, Perou CM (junio de 2014). "Comparación de RNA-Seq por captura de poli(A), depleción de ARN ribosómico y microarrays de ADN para la elaboración de perfiles de expresión" . BMC Genomics . 15 (1) 419. doi : 10.1186/1471-2164-15-419 . PMC 4070569. PMID 24888378 .  
  49. ↑ Algunos ejemplos de muestras ambientales incluyen: agua de mar, suelo o aire.
  50. ↑ Close TJ, Wanamaker SI, Caldo RA, Turner SM, Ashlock DA, Dickerson JA, Wing RA, Muehlbauer GJ, Kleinhofs A, Wise RP (marzo de 2004). "Un nuevo recurso para la genómica de cereales: el GeneChip de cebada 22K alcanza la madurez" . Plant Physiology . 134 (3): 960–8 . doi : 10.1104/pp.103.034462 . PMC 389919. PMID 15020760 .  
  51. 1 2 3 4 5 Lowe R, Shirley N, Bleackley M, Dolan S, Shafee T (mayo de 2017). " Tecnologías transcriptómicas" . PLOS Computational Biology . 13 (5) e1005457. Bibcode : 2017PLSCB..13E5457L . doi : 10.1371/journal.pcbi.1005457 . PMC 5436640. PMID 28545146 .  
  52. 1 2 Shiraki T, Kondo S, Katayama S, Waki ​​K, Kasukawa T, Kawaji H, Kodzius R, Watahiki A, Nakamura M, Arakawa T, Fukuda S, Sasaki D, Podhajska A, Harbers M, Kawai J, Carninci P, Hayashizaki Y (diciembre de 2003). "Análisis de la caperuza de la expresión génica para el análisis de alto rendimiento del punto de inicio de la transcripción y la identificación del uso del promotor" . Actas de la Academia Nacional de Ciencias de los Estados Unidos de América . 100 (26): 15776– 81. Bibcode : 2003PNAS..10015776S . doi : 10.1073/pnas.2136655100 . PMC 307644. PMID 14663149 .  
  53. ↑ Romanov V, Davidoff SN, Miles AR, Grainger DW, Gale BK, Brooks BD (marzo de 2014). "Una comparación crítica de las tecnologías de fabricación de microarrays de proteínas". The Analyst . 139 (6): 1303–26 . Bibcode : 2014Ana...139.1303R . doi : 10.1039/c3an01577g . PMID 24479125 . 
  54. 1 2 Barbulovic-Nad I, Lucente M, Sun Y, Zhang M, Wheeler AR, Bussmann M (2006-10-01). "Técnicas de fabricación de biomicroarrays: una revisión". Critical Reviews in Biotechnology . 26 (4): 237– 59. CiteSeerX 10.1.1.661.6833 . doi : 10.1080/07388550600978358 . PMID 17095434 . S2CID 13712888 .   
  55. ↑ Auburn RP, Kreil DP, Meadows LA, Fischer B, Matilla SS, Russell S (julio de 2005). "Detección robótica de microarrays de ADNc y oligonucleótidos". Trends in Biotechnology . 23 (7): 374–9 . doi : 10.1016/j.tibtech.2005.04.002 . PMID 15978318 . 
  56. ↑ Shalon D, Smith SJ, Brown PO (julio de 1996). "Un sistema de microarrays de ADN para analizar muestras de ADN complejas mediante hibridación con sondas fluorescentes de dos colores" . Genome Research . 6 (7): 639– 45. doi : 10.1101/gr.6.7.639 . PMID 8796352 . 
  57. ↑ Lockhart DJ, Dong H, Byrne MC, Follettie MT, Gallo MV, Chee MS, Mittmann M, Wang C, Kobayashi M, Horton H, Brown EL (diciembre de 1996). "Monitorización de la expresión mediante hibridación en matrices de oligonucleótidos de alta densidad". Nature Biotechnology . 14 (13): 1675–80 . doi : 10.1038/nbt1296-1675 . PMID 9634850. S2CID 35232673 .  
  58. ↑ Irizarry RA, Bolstad BM, Collin F, Cope LM, Hobbs B, Speed ​​TP (febrero de 2003). "Resúmenes de datos de nivel de sonda de Affymetrix GeneChip" . Nucleic Acids Research . 31 (4): 15e–15. doi : 10.1093/nar/gng015 . PMC 150247. PMID 12582260 .  
  59. ↑ Selzer RR, Richmond TA, Pofahl NJ, Green RD, Eis PS, Nair P, Brothman AR, Stallings RL (noviembre de 2005). "Análisis de puntos de ruptura cromosómica en neuroblastoma con resolución subkilobase mediante CGH de matriz de oligonucleótidos de alta resolución". Genes , Chromosomes & Cancer . 44 (3): 305–19 . doi : 10.1002/gcc.20243 . PMID 16075461. S2CID 39437458 .  
  60. ↑ Svensson V, Vento-Tormo R, Teichmann SA (abril de 2018). "Escalado exponencial de la secuenciación de ARN de células individuales en la última década". Nature Protocols . 13 (4): 599– 604. doi : 10.1038/nprot.2017.149 . PMID 29494575. S2CID 3560001 .  
  61. ↑ Tachibana C (18 de agosto de 2015). "Transcriptómica hoy: microarrays, RNA-seq y más" . Science . 349 (6247): 544. Bibcode : 2015Sci...349..544T . doi : 10.1126/science.opms.p1500095 .
  62. 1 2 Nagalakshmi U, Wang Z, Waern K, Shou C, Raha D, Gerstein M, Snyder M (junio de 2008). " El panorama transcripcional del genoma de la levadura definido por secuenciación de ARN" . Science . 320 (5881): 1344– 9. Bibcode : 2008Sci...320.1344N . doi : 10.1126/science.1158441 . PMC 2951732. PMID 18451266 .  
  63. ↑ Su Z, Fang H, Hong H, Shi L, Zhang W, Zhang W, Zhang Y, Dong Z, Lancashire LJ, Bessarabova M, Yang X, Ning B, Gong B, Meehan J, Xu J, Ge W, Perkins R, Fischer M, Tong W (diciembre de 2014). "Una investigación de biomarcadores derivados de datos de microarrays heredados para su utilidad en la era de la secuenciación de ARN" . Genome Biology . 15 (12) 523. doi : 10.1186/s13059-014-0523-y . PMC 4290828. PMID 25633159 .  
  64. ↑ Lee JH, Daugharthy ER, Scheiman J, Kalhor R, Yang JL, Ferrante TC, Terry R, ​​Jeanty SS, Li C, Amamoto R, Peters DT, Turczyk BM, Marblestone AH, Inverso SA, Bernard A, Mali P, Rios X, Aach J, Church GM (marzo de 2014). "Secuenciación de ARN subcelular altamente multiplexada in situ" . Science . 343 (6177): 1360–3 . Bibcode : 2014Sci...343.1360L . doi : 10.1126 /science.1250212 . PMC 4140943. PMID 24578530 .  
  65. 1 2 Shendure J, Ji H (octubre de 2008). "Secuenciación de ADN de próxima generación". Nature Biotechnology . 26 (10): 1135– 45. doi : 10.1038/nbt1486 . PMID 18846087 . S2CID 6384349 .  
  66. ↑ Lahens NF, Kavakli IH, Zhang R, Hayer K, Black MB, Dueck H, Pizarro A, Kim J, Irizarry R, ​​Thomas RS, Grant GR, Hogenesch JB (junio de 2014). "IVT-seq revela un sesgo extremo en la secuenciación de ARN" . Genome Biology . 15 (6) R86. doi : 10.1186/gb-2014-15-6-r86 . PMC 4197826. PMID 24981968 .  
  67. 1 2 Knierim E, Lucke B, Schwarz JM, Schuelke M, Seelow D (2011). "Comparación sistemática de tres métodos para la fragmentación de productos de PCR de largo alcance para secuenciación de próxima generación" . PLOS ONE . 6 (11) e28240. Bibcode : 2011PLoSO...628240K . doi : 10.1371/journal.pone.0028240 . PMC 3227650. PMID 22140562 .  
  68. ↑ Routh A, Head SR, Ordoukhanian P, Johnson JE (agosto de 2015). "ClickSeq: secuenciación de próxima generación sin fragmentación mediante ligación click de adaptadores a cDNAs 3'-azido terminados estocásticamente" . Journal of Molecular Biology . 427 (16): 2610–6 . doi : 10.1016/j.jmb.2015.06.011 . PMC 4523409. PMID 26116762 .  
  69. ↑ Parekh S, Ziegenhain C, Vieth B, Enard W, Hellmann I (mayo de 2016). "El impacto de la amplificación en los análisis de expresión diferencial mediante RNA-seq" . Scientific Reports . 6 25533. Bibcode : 2016NatSR...625533P . doi : 10.1038/srep25533 . PMC 4860583. PMID 27156886 .  
  70. ↑ Shanker S, Paulson A, Edenberg HJ, Peak A, Perera A, Alekseyev YO, Beckloff N, Bivens NJ, Donnelly R, Gillaspy AF, Grove D, Gu W, Jafari N, Kerley-Hamilton JS, Lyons RH, Tepper C, Nicolet CM (abril de 2015). "Evaluación de kits de amplificación de ARN disponibles comercialmente para secuenciación de ARN utilizando cantidades muy bajas de ARN total" . Journal of Biomolecular Techniques . 26 (1): 4– 18. doi : 10.7171/jbt.15-2601-001 . PMC 4310221. PMID 25649271 .  
  71. ↑ Jiang L, Schlesinger F, Davis CA, Zhang Y, Li R, Salit M, Gingeras TR, Oliver B (septiembre de 2011). "Estándares sintéticos de control para experimentos de secuenciación de ARN" . Genome Research . 21 (9): 1543– 51. doi : 10.1101/gr.121095.111 . PMC 3166838. PMID 21816910 .  
  72. ↑ Kivioja T, Vähärautio A, Karlsson K, Bonke M, Enge M, Linnarsson S, Taipale J (noviembre de 2011). "Conteo de números absolutos de moléculas usando identificadores moleculares únicos". Nature Methods . 9 (1): 72– 4. doi : 10.1038/nmeth.1778 . PMID 22101854. S2CID 39225091 .  
  73. ↑ Tang F, Barbacioru C, Wang Y, Nordman E, Lee C, Xu N, Wang X, Bodeau J, Tuch BB, Siddiqui A, Lao K, Surani MA (mayo de 2009). "Análisis del transcriptoma completo de una sola célula mediante mRNA-Seq". Nature Methods . 6 (5): 377– 82. doi : 10.1038/nmeth.1315 . PMID 19349980. S2CID 16570747 .  
  74. ↑ Islam S, Zeisel A, Joost S, La Manno G, Zajac P, Kasper M, Lönnerberg P, Linnarsson S (febrero de 2014). "Secuenciación cuantitativa de ARN de células individuales con identificadores moleculares únicos" . Nature Methods . 11 (2): 163– 6. doi : 10.1038/nmeth.2772 . PMID 24363023. S2CID 6765530 .  
  75. ↑ Jaitin DA, Kenigsberg E, Keren-Shaul H, Elefant N, Paul F, Zaretsky I, Mildner A, Cohen N, Jung S, Tanay A, Amit I (febrero de 2014). "Secuenciación masiva en paralelo de ARN de células individuales para la descomposición de tejidos en tipos celulares sin marcadores" . Science . 343 ( 6172): 776–9 . Bibcode : 2014Sci...343..776J . doi : 10.1126/science.1247651 . PMC 4412462. PMID 24531970 .  
  76. 1 2 Levin JZ, Yassour M, Adiconis X, Nusbaum C, Thompson DA, Friedman N, Gnirke A, Regev A (septiembre de 2010). " Análisis comparativo exhaustivo de métodos de secuenciación de ARN específicos de cadena" . Nature Methods . 7 (9): 709– 15. Bibcode : 2010NatCB...7..709L . doi : 10.1038/nmeth.1491 . PMC 3005310. PMID 20711195 .  
  77. ↑ Quail MA, Smith M, Coupland P, Otto TD, Harris SR, Connor TR, Bertoni A, Swerdlow HP, Gu Y (julio de 2012). " Una historia de tres plataformas de secuenciación de próxima generación: comparación de los secuenciadores Ion Torrent, Pacific Biosciences e Illumina MiSeq" . BMC Genomics . 13 : 341. doi : 10.1186/1471-2164-13-341 . PMC 3431227. PMID 22827831 .  
  78. 1 2 Liu L, Li Y, Li S, Hu N, He Y, Pong R, Lin D, Lu L, Law M (2012). " Comparación de sistemas de secuenciación de próxima generación" . Journal of Biomedicine & Biotechnology . 2012 251364. doi : 10.1155/2012/251364 . PMC 3398667. PMID 22829749 .  
  79. ↑ "SRA" . Consultado el 6 de octubre de 2016 .Se realizó una búsqueda en el Archivo de Lecturas de Secuencias (SRA) del NCBI utilizando "RNA-Seq[Estrategia]" y una de las siguientes opciones: "LS454[Plataforma]", "Illumina[Plataforma]", "ABI Solid[Plataforma]", "Ion Torrent[Plataforma]", "PacBio SMRT"[Plataforma]" para informar el número de ejecuciones de RNA-Seq depositadas para cada plataforma.
  80. ↑ Loman NJ, Misra RV, Dallman TJ, Constantinidou C, Gharbia SE, Wain J, Pallen MJ (mayo de 2012). "Comparación del rendimiento de plataformas de secuenciación de alto rendimiento de sobremesa". Nature Biotechnology . 30 (5): 434–9 . doi : 10.1038/nbt.2198 . PMID 22522955. S2CID 5300923 .  
  81. ↑ Goodwin S, McPherson JD, McCombie WR (mayo de 2016). "Mayoría de edad: diez años de tecnologías de secuenciación de próxima generación" . Nature Reviews Genetics . 17 (6): 333– 51. doi : 10.1038/nrg.2016.49 . PMC 10373632. PMID 27184599. S2CID 8295541 .   
  82. ^ Garalde DR, Snell EA, Jachimowicz D, Sipos B, Lloyd JH, Bruce M, Pantic N, Admassu T, James P, Warland A, Jordan M, Ciccone J, Serra S, Keenan J, Martin S, McNeill L, Wallace EJ, Jayasinghe L, Wright C, Blasco J, Young S, Brocklebank D, Juul S, Clarke J, Heron AJ, Turner DJ (marzo de 2018). "Secuenciación directa de ARN altamente paralela en una serie de nanoporos". Métodos de la naturaleza . 15 (3): 201– 206. Bibcode : 2018NatCB..15..201G . doi : 10.1038/nmeth.4577 . PMID 29334379 . S2CID 3589823 .  
  83. ↑ Loman NJ, Quick J, Simpson JT (agosto de 2015). "Un genoma bacteriano completo ensamblado de novo utilizando únicamente datos de secuenciación de nanoporos". Nature Methods . 12 (8): 733– 5. Bibcode : 2015NatCB..12..733L . doi : 10.1038/nmeth.3444 . PMID 26076426. S2CID 15053702 .  
  84. ↑ Ozsolak F, Platt AR, Jones DR, Reifenberger JG, Sass LE, McInerney P, Thompson JF, Bowers J, Jarosz M, Milos PM (octubre de 2009). "Secuenciación directa de ARN". Nature . 461 ( 7265): 814–8 . Bibcode : 2009Natur.461..814O . doi : 10.1038/nature08390 . PMID 19776739. S2CID 4426760 .  
  85. 1 2 Hart SN, Therneau TM, Zhang Y, Poland GA, Kocher JP (diciembre de 2013). "Cálculo de estimaciones del tamaño de muestra para datos de secuenciación de ARN" . Journal of Computational Biology . 20 (12): 970– 8. doi : 10.1089/cmb.2012.0283 . PMC 3842884. PMID 23961961 .  
  86. ^ Conesa A , Madrigal P, Tarazona S, Gomez - Cabrero D, Cervera A, McPherson A, Szcześniak MW, Gaffney DJ, Elo LL, Zhang X, Mortazavi A (enero de 2016). "Una encuesta de mejores prácticas para el análisis de datos de RNA-seq" . Biología del genoma . 17 13.doi : 10.1186/ s13059-016-0881-8 . PMC 4728800 . PMID 26813401 .  
  87. ^ Rapaport F, Khanin R, Liang Y , Pirun M, Krek A, Zumbo P, Mason CE, Socci ND, Betel D (2013). "Evaluación integral de métodos de análisis de expresión génica diferencial para datos de RNA-seq" . Biología del genoma . 14 (9) 3158: R95. Código Bib : 2013GenBi..14.3158R . doi : 10.1186/gb-2013-14-9-r95 . PMC 4054597 . PMID 24020486 .  
  88. ↑ Consorcio del Proyecto ENCODE; Aldred, Shelley F.; Collins, Patrick J.; Davis, Carrie A.; Doyle, Francis; Epstein, Charles B.; Frietze, Seth; Harrow, Jennifer; Kaul, Rajinder; Khatun, Jainab; Lajoie, Bryan R.; Landt, Stephen G.; Lee, Bum-Kyu; Pauli, Florencia; Rosenbloom, Kate R.; Sabo, Peter; Safi, Alexias; Sanyal, Amartya; Shoresh, Noam; Simon, Jeremy M.; Song, Lingyun; Altshuler, Robert C.; Birney, Ewan; Brown, James B.; Cheng, Chao; Djebali, Sarah; Dong, Xianjun; Dunham, Ian; Ernst, Jason; et al. (septiembre de 2012). "Una enciclopedia integrada de elementos de ADN en el genoma humano" . Nature . 489 (7414): 57– 74. Bibcode : 2012Natur.489...57T . doi : 10.1038/nature11247 . PMC 3439153 . PMID 22955616 .   
  89. ↑ Sloan CA, Chan ET, Davidson JM, Malladi VS, Strattan JS, Hitz BC, et al. (enero de 2016). " Datos de ENCODE en el portal de ENCODE" . Nucleic Acids Research . 44 (D1): D726–32. doi : 10.1093/nar/gkv1160 . PMC 4702836. PMID 26527727 .   
  90. ↑ "ENCODE: Enciclopedia de elementos del ADN" . encodeproject.org .
  91. 1 2 Thind AS, Monga I, Thakur PK, Kumari P, Dindhoria K, Krzak M, Ranson M, Ashford B (noviembre de 2021). "Desmitificando las aplicaciones emergentes de RNA-Seq masivo: la aplicación y utilidad de la metodología bioinformática". Briefings in Bioinformatics . 22 (6) bbab259. doi : 10.1093/bib/bbab259 . PMID 34329375 . 
  92. 1 2 Ritchie ME, Phipson B, Wu D, Hu Y, Law CW, Shi W, Smyth GK (abril de 2015). "limma potencia los análisis de expresión diferencial para estudios de secuenciación de ARN y microarrays" . Nucleic Acids Research . 43 (7): e47. doi : 10.1093/nar/gkv007 . PMC 4402510. PMID 25605792 .  
  93. 1 2 Robinson MD, McCarthy DJ, Smyth GK (enero de 2010). "edgeR: un paquete de Bioconductor para el análisis de expresión diferencial de datos de expresión génica digital" . Bioinformatics . 26 ( 1): 139– 40. doi : 10.1093/bioinformatics/btp616 . PMC 2796818. PMID 19910308 .  
  94. 1 2 Huber W, Carey VJ, Gentleman R, Anders S, Carlson M, Carvalho BS, et al. (febrero de 2015). "Orquestación del análisis genómico de alto rendimiento con Bioconductor" . Nature Methods . 12 (2): 115– 21. doi : 10.1038/nmeth.3252 . PMC 4509590. PMID 25633503 .   
  95. ↑ Smyth, GK (2005). "Limma: Modelos lineales para datos de microarrays". Soluciones de bioinformática y biología computacional con R y Bioconductor . Estadística para biología y salud. Springer, Nueva York, NY. pp. 397–420 . CiteSeerX 10.1.1.361.8519 . doi : 10.1007/0-387-29362-0_23 . ISBN   978-0-387-25146-2.
  96. ↑ Steve., Russell (2008). Microarray Technology in Practice . Meadows, Lisa A. Burlington: Elsevier. ISBN 978-0-08-091976-8OCLC 437246554​​ 
  97. 1 2 Haas BJ, Papanicolaou A, Yassour M, Grabherr M, Blood PD, Bowden J, Couger MB, Eccles D, Li B, Lieber M, MacManes MD, Ott M, Orvis J, Pochet N, Strozzi F, Weeks N, Westerman R, William T, Dewey CN, Henschel R, LeDuc RD, Friedman N, Regev A (agosto de 2013). "Reconstrucción de secuencias de transcripción de novo a partir de RNA-seq utilizando la plataforma Trinity para la generación y el análisis de referencias" . Nature Protocols . 8 (8): 1494– 512. doi : 10.1038/nprot.2013.084 . PMC 3875132. PMID 23845962 .  
  98. 1 2 Pertea M, Pertea GM, Antonescu CM, Chang TC, Mendell JT, Salzberg SL (marzo de 2015). " StringTie permite una reconstrucción mejorada de un transcriptoma a partir de lecturas de RNA-seq" . Nature Biotechnology . 33 (3): 290– 5. doi : 10.1038/nbt.3122 . PMC 4643835. PMID 25690850 .  
  99. ↑ Kodama Y, Shumway M, Leinonen R (enero de 2012). "The Sequence Read Archive: crecimiento explosivo de los datos de secuenciación" . Nucleic Acids Research . 40 (número especial de bases de datos): D54–6. doi : 10.1093/nar/gkr854 . PMC 3245110. PMID 22009675 .  
  100. 1 2 Edgar R, Domrachev M, Lash AE (enero de 2002). "Gene Expression Omnibus: repositorio de datos de matrices de hibridación y expresión génica del NCBI" . Nucleic Acids Research . 30 (1): 207– 10. doi : 10.1093/nar/30.1.207 . PMC 99122. PMID 11752295 .  
  101. ↑ Petrov A, Shams S (2004-11-01). "Procesamiento de imágenes de microarrays y control de calidad". Journal of VLSI Signal Processing Systems for Signal, Image and Video Technology . 38 (3): 211– 226. Bibcode : 2004JSPSy..38..211P . doi : 10.1023/B:VLSI.0000042488.08307.ad . S2CID 31598448 . 
  102. ↑ Petrov A, Shams S (2004). "Procesamiento de imágenes de microarrays y control de calidad". The Journal of VLSI Signal Processing-Systems for Signal, Image, and Video Technology . 38 (3): 211– 226. Bibcode : 2004JSPSy..38..211P . doi : 10.1023/B:VLSI.0000042488.08307.ad . S2CID 31598448 . 
  103. ↑ Kwon YM, Ricke S (2011). Secuenciación de próxima generación de alto rendimiento . Métodos en biología molecular. Vol. 733. SpringerLink. doi : 10.1007/978-1-61779-089-8 . ISBN  978-1-61779-088-1. S2CID 3684245 . 
  104. ↑ Nakamura K, Oshima T, Morimoto T, Ikeda S, Yoshikawa H, Shiwa Y, Ishikawa S, Linak MC, Hirai A, Takahashi H, Altaf-Ul-Amin M, Ogasawara N, Kanaya S (julio de 2011). "Perfil de error específico de secuencia de los secuenciadores Illumina" . Nucleic Acids Research . 39 (13): e90. doi : 10.1093 / nar/gkr344 . PMC 3141275. PMID 21576222 .  
  105. ↑ Van Verk MC, Hickman R, Pieterse CM, Van Wees SC (abril de 2013). "RNA-Seq: revelación de los mensajeros". Trends in Plant Science . 18 (4): 175– 9. Bibcode : 2013TPS....18..175V . doi : 10.1016/j.tplants.2013.02.001 . hdl : 1874/309456 . PMID 23481128. S2CID 205453732 .  
  106. ↑ Andrews S (2010). "FastQC: Una herramienta de control de calidad para datos de secuenciación de alto rendimiento" . Babraham Bioinformatics . Recuperado el 23 de mayo de 2017 .
  107. ↑ Lo CC, Chain PS (noviembre de 2014). "Evaluación rápida y control de calidad de datos de secuenciación de próxima generación con FaQCs" . BMC Bioinformatics . 15 (1) 366. Bibcode : 2014BMCBi..15..366L . doi : 10.1186/s12859-014-0366-2 . PMC 4246454. PMID 25408143 .  
  108. 1 2 3 Trapnell C, Hendrickson DG, Sauvageau M, Goff L, Rinn JL, Pachter L (enero de 2013). "Análisis diferencial de la regulación génica a resolución de transcripción con RNA-seq" . Nature Biotechnology . 31 (1): 46– 53. doi : 10.1038/nbt.2450 . PMC 3869392. PMID 23222703 .  
  109. 1 2 Xie Y, Wu G, Tang J, Luo R, Patterson J, Liu S, Huang W, He G, Gu S, Li S, Zhou X, Lam TW, Li Y, Xu X, Wong GK, Wang J (junio de 2014). "SOAPdenovo-Trans: ensamblaje de novo del transcriptoma con lecturas cortas de RNA-Seq". Bioinformatics . 30 (12): 1660– 6. arXiv : 1305.6760 . doi : 10.1093/bioinformatics/btu077 . PMID 24532719 . S2CID 5152689 .  
  110. ↑ Siadjeu, Christian; Mayland-Quellhorst, Eike; Pande, Shruti; Laubinger, Sascha; Albach, Dirk C. (2021). " La secuencia del transcriptoma revela genes candidatos involucrados en el endurecimiento poscosecha del ñame trifoliado Dioscorea dumetorum" . Plants . 10 (4): 787. Bibcode : 2021Plnts..10..787S . doi : 10.3390/plants10040787 . PMC 8074181. PMID 33923758 .  
  111. ↑ Mapeadores HTS. http://www.ebi.ac.uk/~nf/hts_mappers/
  112. ↑ Fonseca NA, Rung J, Brazma A, Marioni JC (diciembre de 2012). "Herramientas para mapear datos de secuenciación de alto rendimiento" . Bioinformatics . 28 (24): 3169–77 . doi : 10.1093/bioinformatics/bts605 . PMID 23060614 . 
  113. ↑ Trapnell C, Pachter L, Salzberg SL (mayo de 2009). "TopHat: descubrimiento de uniones de empalme con RNA-Seq" . Bioinformatics . 25 ( 9): 1105–11 . doi : 10.1093/bioinformatics/btp120 . PMC 2672628. PMID 19289445 .  
  114. 1 2 Trapnell C, Williams BA, Pertea G, Mortazavi A, Kwan G, van Baren MJ, Salzberg SL, Wold BJ, Pachter L (mayo de 2010). "El ensamblaje y la cuantificación de transcritos mediante RNA-Seq revelan transcritos no anotados y cambios de isoformas durante la diferenciación celular" . Nature Biotechnology . 28 (5): 511– 5. doi : 10.1038/nbt.1621 . PMC 3146043. PMID 20436464 .  
  115. ↑ Miller JR, Koren S, Sutton G (junio de 2010). " Algoritmos de ensamblaje para datos de secuenciación de próxima generación" . Genomics . 95 (6): 315–27 . doi : 10.1016/j.ygeno.2010.03.001 . PMC 2874646. PMID 20211242 .  
  116. ↑ O'Neil ST, Emrich SJ (julio de 2013). "Evaluación de las métricas de ensamblaje de transcriptoma de novo para la consistencia y utilidad" . BMC Genomics . 14 (1): 465. Bibcode : 2013BMCG...14..465O . doi : 10.1186/1471-2164-14-465 . PMC 3733778. PMID 23837739 .  
  117. ↑ Smith-Unna R, Boursnell C, Patro R, Hibberd JM, Kelly S (agosto de 2016). "TransRate: evaluación de calidad sin referencia de ensamblajes de transcriptomas de novo" . Genome Research . 26 (8): 1134–44 . doi : 10.1101/gr.196469.115 . PMC 4971766. PMID 27252236 .  
  118. ^ Li B, Fillmore N, Bai Y, Collins M, Thomson JA, Stewart R, Dewey CN (diciembre de 2014). "Evaluación de conjuntos de transcriptomas de novo a partir de datos de RNA-Seq" . Biología del genoma . 15 (12) 553. Código Bib : 2014GenBi..15..553L . doi : 10.1186/s13059-014-0553-5 . PMC 4298084 . PMID 25608678 .  
  119. ↑ Zerbino DR, Birney E (mayo de 2008). "Velvet: algoritmos para el ensamblaje de lecturas cortas de novo utilizando grafos de De Bruijn" . Genome Research . 18 (5): 821–9 . doi : 10.1101/gr.074492.107 . PMC 2336801. PMID 18349386 .  
  120. ↑ Schulz MH, Zerbino DR, Vingron M, Birney E (abril de 2012). "Oases: ensamblaje robusto de novo de RNA-seq en todo el rango dinámico de niveles de expresión" . Bioinformatics . 28 ( 8): 1086–92 . doi : 10.1093/bioinformatics/bts094 . PMC 3324515. PMID 22368243 .  
  121. ↑ Robertson G, Schein J, Chiu R, Corbett R, Field M, Jackman SD, et al. (noviembre de 2010). "Ensamblaje y análisis de novo de datos de RNA-seq". Nature Methods . 7 (11): 909– 12. doi : 10.1038 / nmeth.1517 . hdl : 1885/51040 . PMID 20935650. S2CID 1034682 .   
  122. 1 2 Grabherr MG, Haas BJ, Yassour M, Levin JZ, Thompson DA, Amit I, Adiconis X, Fan L, Raychowdhury R, ​​Zeng Q, Chen Z, Mauceli E, Hacohen N, Gnirke A, Rhind N, di Palma F, Birren BW, Nusbaum C, Lindblad-Toh K, Friedman N, Regev A (mayo de 2011). "Ensamblaje de transcriptoma de longitud completa a partir de datos de RNA-Seq sin un genoma de referencia" . Nature Biotechnology . 29 (7): 644– 52. doi : 10.1038/nbt.1883 . PMC 3571712. PMID 21572440 .  
  123. ↑ Chevreux B, Pfisterer T, Drescher B, Driesel AJ, Müller WE, Wetter T, Suhai S (junio de 2004). "Uso del ensamblador miraEST para el ensamblaje confiable y automatizado de transcripciones de ARNm y la detección de SNP en EST secuenciados" . Genome Research . 14 (6): 1147– 59. doi : 10.1101/gr.1917404 . PMC 419793. PMID 15140833 .  
  124. ^ Margulies M, Egholm M, Altman WE, Attiya S, Bader JS, Bemben LA, et al. (Septiembre de 2005). "Secuenciación del genoma en reactores de picolitros de alta densidad microfabricados" . Naturaleza . 437 (7057): 376– 80. Bibcode : 2005Natur.437..376M . doi : 10.1038/naturaleza03959 . PMC 1464427 . PMID 16056220 .   
  125. ↑ Kumar S, Blaxter ML (octubre de 2010). " Comparación de ensambladores de novo para datos de transcriptoma 454" . BMC Genomics . 11 (1) 571. Bibcode : 2010BMCG...11..571K . doi : 10.1186/1471-2164-11-571 . PMC 3091720. PMID 20950480 .  
  126. ↑ Bankevich A, Nurk S, Antipov D, Gurevich AA, Dvorkin M, Kulikov AS, Lesin VM, Nikolenko SI, Pham S, Prjibelski AD, Pyshkin AV, Sirotkin AV, Vyahhi N, Tesler G, Alekseyev MA, Pevzner PA (mayo de 2012). "SPAdes: un nuevo algoritmo de ensamblaje de genomas y sus aplicaciones a la secuenciación de células individuales" . Journal of Computational Biology . 19 (5): 455–77 . doi : 10.1089/cmb.2012.0021 . PMC 3342519. PMID 22506599 .  
  127. ↑ Li B, Dewey CN (agosto de 2011). "RSEM: cuantificación precisa de transcripciones a partir de datos de RNA-Seq con o sin genoma de referencia" . BMC Bioinformatics . 12 323. doi : 10.1186/1471-2105-12-323 . PMC 3163565. PMID 21816040 .  
  128. ↑ Kovaka, Sam; Zimin, Aleksey V.; Pertea, Geo M.; Razaghi, Roham; Salzberg, Steven L.; Pertea, Mihaela (2019). "Ensamblaje del transcriptoma a partir de alineaciones de ARN-seq de lectura larga con StringTie2" . Genome Biology . 20 (1) 278. bioRxiv 10.1101/694554 . doi : 10.1186/s13059-019-1910-1 . PMC 6912988. PMID 31842956 .   
  129. ↑ Gehlenborg N, O'Donoghue SI, Baliga NS, Goesmann A, Hibbs MA, Kitano H, Kohlbacher O, Neuweger H, Schneider R, Tenenbaum D, Gavin AC (marzo de 2010). "Visualización de datos ómicos para biología de sistemas". Nature Methods . 7 (3 Suppl): S56–68. Bibcode : 2010NatCB...7S..56G . doi : 10.1038/nmeth.1436 . PMID 20195258 . S2CID 205419270 .  
  130. ↑ Anders S, Pyl PT, Huber W (enero de 2015). "HTSeq: un marco de trabajo en Python para trabajar con datos de secuenciación de alto rendimiento" . Bioinformatics . 31 ( 2): 166–9 . doi : 10.1093/bioinformatics/btu638 . PMC 4287950. PMID 25260700 .  
  131. ↑ Bray NL, Pimentel H, Melsted P, Pachter L (mayo de 2016). "Cuantificación probabilística de ARN-seq casi óptima" . Nature Biotechnology . 34 (5): 525–7 . doi : 10.1038/nbt.3519 . PMID 27043002. S2CID 205282743 .  
  132. ↑ Li H, Handsaker B, Wysoker A, Fennell T, Ruan J, Homer N, Marth G, Abecasis G, Durbin R (agosto de 2009). "El formato de alineación/mapeo de secuencias y SAMtools" . Bioinformatics . 25 (16): 2078–9 . doi : 10.1093/bioinformatics/btp352 . PMC 2723002. PMID 19505943 .  
  133. ↑ Love MI, Huber W, Anders S (2014). "Estimación moderada del cambio de pliegue y la dispersión para datos de RNA-seq con DESeq2" . Genome Biology . 15 (12) 550. Bibcode : 2014GenBi..15..550L . doi : 10.1186/s13059-014-0550-8 . PMC 4302049. PMID 25516281 .  
  134. ↑ Frazee AC, Pertea G, Jaffe AE, Langmead B, Salzberg SL, Leek JT (marzo de 2015). "Ballgown cierra la brecha entre el ensamblaje del transcriptoma y el análisis de la expresión" . Nature Biotechnology . 33 (3): 243–6 . Bibcode : 2015NatBi..33..243F . doi : 10.1038/nbt.3172 . PMC 4792117. PMID 25748911 .  
  135. ↑ Fang Z, Cui X (mayo de 2011). "Problemas de diseño y validación en experimentos de secuenciación de ARN" . Briefings in Bioinformatics . 12 (3): 280–7 . doi : 10.1093/bib/bbr004 . PMID 21498551 . 
  136. ↑ Ramsköld D, Wang ET, Burge CB, Sandberg R (diciembre de 2009). "Una abundancia de genes expresados ​​ubicuamente revelada por datos de secuenciación del transcriptoma tisular" . PLOS Computational Biology . 5 (12) e1000598. Bibcode : 2009PLSCB...5E0598R . doi : 10.1371/journal.pcbi.1000598 . PMC 2781110. PMID 20011106 .  
  137. ↑ Vandesompele J, De Preter K, Pattyn F, Poppe B, Van Roy N, De Paepe A, Speleman F (junio de 2002). "Normalización precisa de datos de RT-PCR cuantitativa en tiempo real mediante promedio geométrico de múltiples genes de control interno" . Genome Biology . 3 (7) research0034.1. doi : 10.1186/gb-2002-3-7-research0034 . PMC 126239. PMID 12184808 .  
  138. ↑ Core LJ, Waterfall JJ, Lis JT (diciembre de 2008). "La secuenciación de ARN naciente revela pausas generalizadas e iniciación divergente en promotores humanos" . Science . 322 ( 5909): 1845–8 . Bibcode : 2008Sci...322.1845C . doi : 10.1126/science.1162228 . PMC 2833333. PMID 19056941 .  
  139. ↑ Camarena L, Bruno V, Euskirchen G, Poggio S, Snyder M (abril de 2010). "Mecanismos moleculares de la patogénesis inducida por etanol revelados mediante secuenciación de ARN" . PLOS Pathogens . 6 (4) e1000834. doi : 10.1371/journal.ppat.1000834 . PMC 2848557. PMID 20368969 .  
  140. ^ Govind G, Harshavardhan VT, ThammeGowda HV, Patricia JK, Kalaiarasi PJ, Dhanalakshmi R, Iyer DR, Senthil Kumar M, Muthappa SK, Sreenivasulu N, Nese S, Udayakumar M, Makarla UK (junio de 2009) . "Identificación y validación funcional de un conjunto único de genes inducidos por sequía expresados ​​​​preferentemente en respuesta al estrés hídrico gradual en maní" . Genética y Genómica Molecular . 281 (6): 591– 605. doi : 10.1007/s00438-009-0432-z . PMC 2757612 . PMID 19224247 .  
  141. ↑ Tavassoly, Iman; Goldfarb, Joseph; Iyengar, Ravi (2018-10-04). "Introducción a la biología de sistemas: métodos y enfoques básicos". Ensayos en bioquímica . 62 (4): 487– 500. doi : 10.1042/EBC20180003 . ISSN 0071-1365 . PMID 30287586. S2CID 52922135 .   
  142. ↑ Costa V, Aprile M, Esposito R, Ciccodicola A (febrero de 2013). "RNA-Seq y enfermedades humanas complejas: logros recientes y perspectivas futuras" . European Journal of Human Genetics . 21 (2): 134– 42. doi : 10.1038 / ejhg.2012.129 . PMC 3548270. PMID 22739340 .  
  143. ↑ Khurana E, Fu Y, Chakravarty D, Demichelis F, Rubin MA, Gerstein M (febrero de 2016). "Papel de las variantes de secuencia no codificantes en el cáncer". Nature Reviews Genetics . 17 (2): 93– 108. doi : 10.1038/nrg.2015.17 . PMID 26781813. S2CID 14433306 .  
  144. ↑ Slotkin RK, Martienssen R (abril de 2007). " Elementos transponibles y la regulación epigenética del genoma". Nature Reviews Genetics . 8 (4): 272– 85. doi : 10.1038/nrg2072 . PMID 17363976. S2CID 9719784 .  
  145. ↑ Proserpio V, Mahata B (febrero de 2016). " Tecnologías de células individuales para estudiar el sistema inmunitario" . Inmunología . 147 (2): 133– 40. doi : 10.1111/imm.12553 . PMC 4717243. PMID 26551575 .  
  146. 1 2 Byron SA, Van Keuren-Jensen KR, Engelthaler DM, Carpten JD, Craig DW (mayo de 2016). " Traducción de la secuenciación de ARN a diagnósticos clínicos: oportunidades y desafíos" . Nature Reviews Genetics . 17 (5): 257– 71. doi : 10.1038/nrg.2016.10 . PMC 7097555. PMID 26996076 .  
  147. ↑ Wu HJ, Wang AH, Jennings MP (febrero de 2008). "Descubrimiento de factores de virulencia de bacterias patógenas" (PDF) . Current Opinion in Chemical Biology . 12 (1): 93– 101. Bibcode : 2008COCB...12...93W . doi : 10.1016/j.cbpa.2008.01.023 . PMID 18284925 . 
  148. ↑ Suzuki S, Horinouchi T, Furusawa C (diciembre de 2014). "Predicción de la resistencia a los antibióticos mediante perfiles de expresión genética" . Nature Communications . 5 5792. Bibcode : 2014NatCo...5.5792S . doi : 10.1038/ncomms6792 . PMC 4351646. PMID 25517437 .  
  149. ↑ Westermann AJ, Gorski SA, Vogel J (septiembre de 2012). "Secuenciación dual de ARN de patógeno y huésped" (PDF) . Nature Reviews. Microbiología . 10 (9): 618–30 . doi : 10.1038 / nrmicro2852 . PMID 22890146. S2CID 205498287 .  
  150. ↑ Durmuş S, Çakır T, Özgür A, Guthke R (2015). "Una revisión sobre biología de sistemas computacional de las interacciones patógeno-huésped" . Frontiers in Microbiology . 6 : 235. doi : 10.3389/fmicb.2015.00235 . PMC 4391036. PMID 25914674 .  
  151. 1 2 Garg R, Shankar R, Thakkar B, Kudapa H, Krishnamurthy L, Mantri N, Varshney RK, Bhatia S, Jain M (enero de 2016). "Los análisis del transcriptoma revelan respuestas moleculares específicas del genotipo y de la etapa de desarrollo a los estrés por sequía y salinidad en el garbanzo" . Scientific Reports . 6 19228. Bibcode : 2016NatSR...619228G . doi : 10.1038/srep19228 . PMC 4725360. PMID 26759178 .  
  152. ↑ García-Sánchez S, Aubert S, Iraqui I, Janbon G, Ghigo JM, d'Enfert C (abril de 2004). " Biofilms de Candida albicans: un estado de desarrollo asociado con patrones de expresión génica específicos y estables" . Eukaryotic Cell . 3 (2): 536– 45. doi : 10.1128/EC.3.2.536-545.2004 . PMC 387656. PMID 15075282 .  
  153. ↑ Rich SM, Leendertz FH, Xu G, LeBreton M, Djoko CF, Aminake MN, Takang EE, Diffo JL, Pike BL, Rosenthal BM, Formenty P, Boesch C, Ayala FJ, Wolfe ND (septiembre de 2009). "El origen de la malaria maligna" . Actas de la Academia Nacional de Ciencias de los Estados Unidos de América . 106 (35): 14902– 7. Bibcode : 2009PNAS..10614902R . doi : 10.1073/pnas.0907740106 . PMC 2720412. PMID 19666593 .  
  154. ↑ Mok S, Ashley EA, Ferreira PE, Zhu L, Lin Z, Yeo T, et al. (enero de 2015). " Resistencia a los fármacos. La transcriptómica poblacional de los parásitos de la malaria humana revela el mecanismo de resistencia a la artemisinina" . Science . 347 (6220): 431– 5. Bibcode : 2015Sci...347..431M . doi : 10.1126/science.1260403 . PMC 5642863. PMID 25502316 .   
  155. 1 2 3 4 Page, Tessa M.; Lawley, Jonathan W. (2022). "La próxima generación está aquí: una revisión de los enfoques transcriptómicos en ecología marina" . Frontiers in Marine Science . 9 757921. Bibcode : 2022FrMaS...957921P . doi : 10.3389/fmars.2022.757921 . hdl : 10072/428702 . ISSN 2296-7745 . 
  156. ↑ Verbruggen N, Hermans C, Schat H (marzo de 2009). "Mecanismos moleculares de hiperacumulación de metales en plantas" (PDF) . The New Phytologist . 181 (4): 759–76 . Bibcode : 2009NewPh.181..759V . doi : 10.1111/j.1469-8137.2008.02748.x . PMID 19192189 . 
  157. ↑ Li Z, Zhang Z, Yan P, Huang S, Fei Z, Lin K (noviembre de 2011). "RNA-Seq mejora la anotación de genes codificadores de proteínas en el genoma del pepino" . BMC Genomics . 12 (1) 540. Bibcode : 2011BMCG...12..540L . doi : 10.1186/1471-2164-12-540 . PMC 3219749. PMID 22047402 .  
  158. ↑ Hobbs M, Pavasovic A, King AG, Prentis PJ, Eldridge MD, Chen Z, Colgan DJ, Polkinghorne A, Wilkins MR, Flanagan C, Gillett A, Hanger J, Johnson RN, Timms P (septiembre de 2014). "Un recurso transcriptómico para el koala (Phascolarctos cinereus): perspectivas sobre la transcripción del retrovirus del koala y la diversidad de secuencias" . BMC Genomics . 15 (1) 786. doi : 10.1186/1471-2164-15-786 . PMC 4247155. PMID 25214207 .  
  159. ↑ Howe GT, Yu J, Knaus B, Cronn R, Kolpak S, Dolan P, Lorenz WW, ​​Dean JF (febrero de 2013). "Un recurso de SNP para el abeto de Douglas: ensamblaje de novo del transcriptoma y detección y validación de SNP" . BMC Genomics . 14 (1): 137. Bibcode : 2013BMCG...14..137H . doi : 10.1186/1471-2164-14-137 . PMC 3673906. PMID 23445355 .  
  160. ↑ McGrath LL, Vollmer SV, Kaluziak ST, Ayers J (enero de 2016). "Ensamblaje de novo del transcriptoma de la langosta Homarus americanus y caracterización de la expresión génica diferencial en los tejidos del sistema nervioso" . BMC Genomics . 17 63. doi : 10.1186/s12864-016-2373-3 . PMC 4715275. PMID 26772543 .  
  161. ↑ Noller HF (1991). "ARN ribosómico y traducción". Annual Review of Biochemistry . 60 : 191–227 . doi : 10.1146/annurev.bi.60.070191.001203 . PMID 1883196 . 
  162. ↑ Christov CP, Gardiner TJ, Szüts D, Krude T (septiembre de 2006). "Requisito funcional de los ARN Y no codificantes para la replicación del ADN cromosómico humano" . Biología molecular y celular . 26 (18): 6993–7004 . doi : 10.1128/MCB.01060-06 . PMC 1592862. PMID 16943439 .  
  163. ↑ Kishore S, Stamm S (enero de 2006). "El snoRNA HBII-52 regula el empalme alternativo del receptor de serotonina 2C" . Science . 311 ( 5758): 230–2 . Bibcode : 2006Sci...311..230K . doi : 10.1126/science.1118265 . PMID 16357227. S2CID 44527461 .  
  164. ↑ Hüttenhofer A, Schattner P, Polacek N (mayo de 2005). "ARN no codificantes: ¿esperanza o exageración?". Trends in Genetics . 21 (5): 289– 97. doi : 10.1016/j.tig.2005.03.007 . PMID 15851066 . 
  165. ↑ Esteller M (noviembre de 2011). " ARN no codificantes en enfermedades humanas". Nature Reviews Genetics . 12 (12): 861– 74. doi : 10.1038/nrg3074 . PMID 22094949. S2CID 13036469 .  
  166. ↑ "Gene Expression Omnibus" . www.ncbi.nlm.nih.gov . Consultado el 26 de marzo de 2018 .
  167. 1 2 Brazma A, Hingamp P, Quackenbush J, Sherlock G, Spellman P, Stoeckert C, Aach J, Ansorge W, Ball CA, Causton HC, Gaasterland T, Glenisson P, Holstege FC, Kim IF, Markowitz V, Matese JC, Parkinson H, Robinson A, Sarkans U, Schulze-Kremer S, Stewart J, Taylor R, Vilo J, Vingron M (diciembre de 2001). "Información mínima sobre un experimento de microarrays (MIAME) : hacia estándares para datos de microarrays" . Nature Genetics . 29 (4): 365–71 . doi : 10.1038/ng1201-365 . PMID 11726920. S2CID 6994467 .  
  168. 1 2 Brazma A (mayo de 2009). " Información mínima sobre un experimento de microarrays (MIAME): éxitos, fracasos y desafíos" . TheScientificWorldJournal . 9 : 420–3 . doi : 10.1100/tsw.2009.57 . PMC 5823224. PMID 19484163 .  
  169. ^ Kolesnikov N, Hastings E, Keays M, Melnichuk O, Tang YA, Williams E, Dylag M, Kurbatova N, Brandizi M, Burdett T, Megy K, Pilicheva E, Rustici G, Tikhonov A, Parkinson H, Petryszak R, Sarkans U, Brazma A (enero de 2015). "Actualización de ArrayExpress: simplificación del envío de datos" . Investigación de ácidos nucleicos . 43 (Problema de la base de datos): D1113–6. doi : 10.1093/nar/gku1057 . PMC 4383899 . PMID 25361974 .  
  170. ↑ Petryszak R, Keays M, Tang YA, Fonseca NA, Barrera E, Burdett T, Füllgrabe A, Fuentes AM, Jupp S, Koskinen S, Mannion O, Huerta L, Megy K, Snow C, Williams E, Barzine M, Hastings E, Weisser H, Wright J, Jaiswal P, Huber W, Choudhary J, Parkinson HE, Brazma A (enero de 2016). "Actualización del Atlas de Expresión: una base de datos integrada de expresión génica y proteica en humanos, animales y plantas" . Nucleic Acids Research . 44 (D1): D746–52. doi : 10.1093/nar/gkv1045 . PMC 4702781. PMID 26481351 .  
  171. ↑ Hruz T, Laule O, Szabo G, Wessendorp F, Bleuler S, Oertle L, Widmayer P, Gruissem W, Zimmermann P (2008). " Genevestigator v3: una base de datos de expresión de referencia para el metaanálisis de transcriptomas" . Advances in Bioinformatics . 2008 420747. doi : 10.1155/2008/420747 . PMC 2777001. PMID 19956698 .  
  172. ↑ Mitsuhashi N, Fujieda K, Tamura T, Kawamoto S, Takagi T, Okubo K (enero de 2009). "BodyParts3D: base de datos de estructura 3D para conceptos anatómicos" . Nucleic Acids Research . 37 (número especial de bases de datos): D782–5. doi : 10.1093 / nar/gkn613 . PMC 2686534. PMID 18835852 .  
  173. ↑ Zhao Y, Li H, Fang S, Kang Y, Wu W, Hao Y, Li Z, Bu D, Sun N, Zhang MQ, Chen R (enero de 2016). "NONCODE 2016: una fuente de datos informativa y valiosa de ARN largos no codificantes" . Nucleic Acids Research . 44 (D1): D203–8. doi : 10.1093/nar/gkv1252 . PMC 4702886. PMID 26586799 .  

Notas

  1. ↑ En biología molecular, la hibridación es un fenómeno en el que las moléculas de ácido desoxirribonucleico ( ADN ) o ácido ribonucleico ( ARN )monocatenarios se unen a ADN o ARN complementarios .    
  2. ↑ Un picolitro es aproximadamente 30 millones de veces más pequeño que una gota de agua.

Lecturas adicionales

  • Lowe R, Shirley N, Bleackley M, Dolan S, Shafee T (mayo de 2017). " Tecnologías transcriptómicas" . PLOS Computational Biology . 13 (5) e1005457. Bibcode : 2017PLSCB..13E5457L . doi : 10.1371/journal.pcbi.1005457 . PMC 5436640. PMID 28545146 .  
  • Análisis Transcriptómico Comparativo en el Módulo de Referencia de Ciencias de la Vida
  • Software utilizado en transcriptómica:
    • gemelos
    • Kallisto
    • sombrero de copa
Obtenido de " https://en.wikipedia.org/w/index.php?title=Transcriptomics_technologies&oldid=1360937572 "