知识卡片

普通读书笔记卡 · 8194.a.1.c.4 · 生成模型:未记录

转录物计数需要处理结构

理解等级:中级

转录组研究RNA种类与数量,能为理解基因活动提供线索。选择性剪接使同一基因可对应不同转录物,样本间比较还要考虑计数与归一化。因此RNA测序分析不是简单累计读数,观测到的表达也不自动等同于最终蛋白活性。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • 信息革命对生物学研究的影响 不同组学看见不同层次与分辨率 · 查看原书依据

      当时,由于RNA选择性剪接带来的复杂性,为了对不同转录物计数并对数据进行归一化,我们需要一整套新的信息学工具。在许多生物系统中,我们都成功以基因表达作为基因活性的表征。同时,这也是第一个利用聚类算法与机器学习来挖掘数据规律的功能组学方法。如果在给定细胞条件下,某些基因呈现共表达,或一致的调控效果,这些基因就会共同发挥作用。识别疾病与健康状态间相关性或差异性的

    参考来源

    - 位置:《人工智能与计算生物的未来 (【美】布赖恩·希尔布什)》信息革命对生物学研究的影响,不同组学看见不同层次与分辨率(源项目a19c7933-4eda-4176-aebd-30fe7e1ad292,源文件:extracted/人工智能与计算生物的未来 (【美】布赖恩·希尔布什)/_epub-src/EPUB/xhtml/Section02.xhtml) - 结论依据:原文对该概念的说明、比较或案例支撑本卡解释;历史案例不等于当前临床有效性或监管认可。已经核验的边界与书中陈述分开。 - 原始内容:当时,由于RNA选择性剪接带来的复杂性,为了对不同转录物计数并对数据进行归一化,我们需要一整套新的信息学工具。在许多生物系统中,我们都成功以基因表达作为基因活性的表征。同时,这也是第一个利用聚类算法与机器学习来挖掘数据规律的功能组学方法。如果在给定细胞条件下,某些基因呈现共表达,或一致的调控效果,这些基因就会共同发挥作用。识别疾病与健康状态间相关性或差异性的