MétaCan
Menu
Retour à la cohorte
Enregistrement W2323760660 · doi:10.1158/1538-7445.am2011-4857

Abstract 4857: Improved technology for ribosomal RNA (rRNA) removal from formalin-fixed paraffin-embedded (FFPE) total RNA

2011· article· en· W2323760660 sur OpenAlexaff
Roy Sooknanan, Agnes Radek, John Hitchen, Anupama Khanna

Notice bibliographique

RevueCancer Research · 2011
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMolecular Biology Techniques and Applications
Établissements canadiensCégep de Saint-Laurent
Organismes subventionnairesnon disponible
Mots-clésRNARibosomal RNABiologyDNAMolecular biologyComputational biologyRNA editingIntronGeneticsGene

Résumé

récupéré en direct d'OpenAlex

Abstract Deep, massively parallel sequencing of cDNA generated from RNA (“RNA-Seq”) is rapidly gaining momentum for transcript profiling, discovery of novel transcripts, and identification of alternative splicing events. Current methods for making sequencer-specific di-tagged DNA fragment libraries for RNA-Seq typically comprise first, preparing rRNA-depleted RNA from total RNA samples that are usually of good quality followed by the synthesis of the di-tagged cDNA sequencing templates. In the past few years however, it has also become evident from microarray and qPCR studies that formalin-fixed paraffin-embedded (FFPE) cancer tissues hold valuable secrets about diseased states. However, RNA-Seq libraries prepared from such highly fragmented FFPE RNA cancer samples yield limited information since these libraries contain a majority of rRNA reads, which decreases sequencing depth and coverage. Current commercially available rRNA-removal kits are not designed to remove fragments of rRNA, which poses a significant limitation for preparing highly informative RNA-Seq libraries from FFPE RNA samples. Here, we present RNA-Seq results obtained using a novel rRNA removal technology (“Ribo-ZERO™”) and a novel, ligation-free process for preparing directional di-tagged DNA fragment libraries (“ScriptSeq™ Technology”) for RNA-Seq. Using these methods, directional di-tagged DNA fragment libraries can be prepared in about 6 hours from either intact or fragmented (e.g., FFPE) total RNA samples (as little as 100 ng FFPE total RNA sample required). Less than 2 % of the sequence reads from libraries generated from total RNA from either intact or FFPE samples map to rRNA sequences (28S, 18S, 5.8S and 5S). This reduction in rRNA sequence reads from FFPE RNA samples improves sequence depth and coverage, and increases the percentage of uniquely mapped reads, increasing the information obtained from these diseased samples. Citation Format: {Authors}. {Abstract title} [abstract]. In: Proceedings of the 102nd Annual Meeting of the American Association for Cancer Research; 2011 Apr 2-6; Orlando, FL. Philadelphia (PA): AACR; Cancer Res 2011;71(8 Suppl):Abstract nr 4857. doi:10.1158/1538-7445.AM2011-4857

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0070,008

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,057
Tête enseignante GPT0,374
Écart entre enseignants0,317 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCancer ResearchMême sujetMolecular Biology Techniques and ApplicationsTravaux en français237 207