Exploration and analysis of R-loop mapping data with <i>RLBase</i>
Notice bibliographique
Résumé
Abstract R-loops are three-stranded nucleic acid structures formed from the hybridization of RNA and DNA during nascent transcription. In 2012, Ginno et al. introduced the first R-loop mapping method, DNA:RNA immunoprecipitation (DRIP) sequencing. Since that time, dozens of studies have implemented R-loop mapping and new high-resolution techniques have been developed. The resulting datasets have tremendous potential to reveal the causes and consequences of R-loops genome-wide. However, poor quality and variability between mapping approaches pose serious barriers to the meta-analysis of these data. In our recent work, we reprocessed 693 R-loop mapping samples, devising new quality methods, defining a set of high-confidence mapping samples, and then deriving R-loop regions, consensus sites of R-loop formation. This analysis yielded the largest R-loop data resource to date along with novel computational approaches for R-loop mapping analysis. Now, we introduce RLBase , an innovative web server which builds upon those data and software by providing users with the capability to (1) explore hundreds of public R-loop mapping datasets, (2) explore consensus R-loop regions, (3) analyze user-supplied datasets to generate an HTML quality report, and (4) download all the processed data for the 693 samples we previously reprocessed and standardized. In addition to RLBase , we also describe the other software which, along with RLBase , provides a computational framework for R-loop bioinformatics. RLBase , and the rest of these software (termed “RLSuite”), are provided freely under an MIT license and made publicly available: https://gccri.bishop-lab.uthscsa.edu/rlsuite/ . RLBase is directly accessible via the following URL: https://gccri.bishop-lab.uthscsa.edu/rlbase/ .
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,009 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,007 | 0,008 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,004 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,007 |
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 source (Gemma direct ou Codex distillé), 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 ».