sncRNAP: Prediction and profiling of full sncRNA repertoires from sRNAseq data
Notice bibliographique
Résumé
Abstract Motivation Non-coding RNAs (ncRNAs), which include long non-coding RNAs (lncRNAs) and small non-coding RNAs (sncRNAs), have been shown to play essential roles in various biological processes. Over the past few years, a group of sncRNA identification tools have been developed but none has shown the capacity to fully profile and accurately identify those that are differentially expressed in control vs treated samples. Therefore, a tool that fully profiles and identifies differentially expressed sncRNAs in group comparisons is required. Results We developed sncRNAP, a Nextflow pipeline for the profiling and identification of differentially abundant sncRNAs from sRNAseq datasets. sncRNAP primary use case is the comparison of multiple small RNA-seq datasets belonging to two conditions such as the comparison of treatment (T) and control (C) cohorts. sncRNAP can be used to analyze human, mouse, and rat datasets. The pipeline carries out all the steps required to assess raw sequencing data, performs differential gene expression (DE) analysis, profiles sncRNAs in each sample, and outputs TXT, PDF, CSV, and interactive HTML files for the quality score and the top identified sncRNA candidates. We verified sncRNAP on publicly available sRNAseq datasets in chronic hepatitis-infected liver tissue and pancreatic ductal adenocarcinoma (PDAC) datasets. Our results support the identification of Val[C/A]AC in hepatitis patients and miR135b in PDAC as potential disease biomarkers. Furthermore, we applied sncRNAP on mouse samples from control and Opa1 mouse mutants and identified AspGTC, ValAAC, SerTGA, and AspGTC as the top DE tsRNAs. In addition, sncRNAP identified mmu-miR-136-5p, mmu-miR-10b-5p, mmu-miR-351-5p, and mmu-miR-6390 as the top DE miRNA candidates.
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 | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,004 |
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 ».