A bioinformatics workflow for the evaluation of RT-qPCR primer specificity: Application for the assessment of gene expression data reliability in toxicological studies
Notice bibliographique
Résumé
The reliability of Reverse Transcription quantitative real-time PCR (RT-qPCR) gene expression data depends on proper primer design and RNA quality controls. Despite freely available genomic databases and bioinformatics tools, primer design deficiencies can be found across life science publications. In order to assess the prevalence of such deficiencies in the toxicological literature, 504 primer sets extracted from a random selection of 70 recent rat toxicological studies were evaluated. The specificity of each primer set was systematically analysed using a bioinformatics workflow developed from publicly available resources (NCBI Primer BLAST, in silico PCR in UCSC genome browser, Ensembl DNA database). Potential mismatches (9%), cross-matches (13.5%), co-amplification of multiple gene splice variants (9%) and sub-optimal amplicon sizes (25%) were identified for a significant proportion of the primer sets assessed in silico. Quality controls for gDNA contamination of RNA samples were infrequently reported in the surveyed manuscripts. Hence, the impacts of gDNA contamination on RT-qPCR data were further investigated, revealing that lowly expressed genes presented higher susceptibility to contaminating gDNA. In addition to the retrospective identification of potential primer design issues presented in this study, the described bioinformatics workflow can also be used prospectively to select candidate primer sets for experimental validation.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».