Serviço de Análise de Dados de Sequenciação de miRNA

Introdução à Análise de Dados de Sequenciação de miRNA

Com o avanço das tecnologias de sequenciação de alto rendimento, a sequenciação de miRNA (miRNA-seq) tornou-se uma ferramenta poderosa para o perfilamento da expressão de miRNA em várias amostras. A análise dos dados de sequenciação de miRNA é crucial para avançar na nossa compreensão da regulação genética, dos mecanismos de doenças e da medicina personalizada. Permite a descoberta de miRNAs regulatórios envolvidos em processos biológicos importantes e a identificação de miRNAs como potenciais biomarcadores para diagnóstico, prognóstico e resposta ao tratamento de doenças. Além disso, a análise dos dados de sequenciação de miRNA ajuda a desvendar redes regulatórias complexas mediadas por miRNA e auxilia no desenvolvimento de abordagens de medicina personalizada. A integração de dados de sequenciação de miRNA com outros dados ómicos enriquece a nossa compreensão dos processos biológicos e permite o desenvolvimento de terapias direcionadas.

Serviço de Análise de Dados de Sequenciação de miRNA

A equipa de especialistas em bioinformática da CD Genomics, com vasta experiência em projetos, oferece serviços de análise de dados de sequenciação de miRNA, incluindo análise standard, análise avançada e análise personalizada para atender às suas necessidades de investigação específicas.

Fluxo de Trabalho de Análise de Dados de miRNA-Seq

Conteúdo de Análise de Dados

1. Estatísticas de distribuição do comprimento de MicroRNA

Aplique o fastx (fastx_toolkit-0.0.13.2) para pré-processar as leituras originais, remover sequências de adaptadores e sequências de baixa qualidade (incluindo bases ambíguas N, sequências com qualidade de base inferior a 10 e comprimento inferior a 18nt) e, finalmente, forneça as estatísticas dos resultados do processamento em tabela e o diagrama de distribuição de comprimento.

2. Estatísticas de Anotação de Alinhamento de MicroRNA

A sequência obtida através do sequenciamento foi comparada com a base de dados Sanger miRBase, rRNA conhecido, tRNA, região de repetição, base de dados RefSeq e outras bases de dados não codificantes, como ncRNA, piRNA, base de dados Rfam, e anotou os microRNAs conhecidos.

3. Anotação de Outros Pequenos RNAs

As leituras sequenciadas são alinhadas às bases de dados genómicas correspondentes para as espécies, e as fontes das leituras anotadas são classificadas e contadas. Este processo ajuda a identificar e quantificar microARNs conhecidos e outros tipos diferentes de moléculas de RNA pequeno.

4. Previsão de Novos microARNs

A estrutura característica em forma de grampo dos precursores de microRNA pode ser utilizada para prever novos microRNAs. Para sequências que não estão anotadas nos resultados de alinhamento, estas são comparadas com a sequência do genoma completo da espécie. Ao analisar os modelos de dobragem, se uma sequência estiver localizada numa estrutura de haste e laço, é identificada provisoriamente como uma candidata a novo microRNA.

Para os novos microARNs previstos, são registadas e listadas as suas localizações cromossómicas, posições de início e fim, orientação da fita, bem como valores numéricos como contagem, comprimento, conteúdo de GC e energia livre mínima.

Além disso, para os novos microARNs, a estrutura secundária dos seus precursores e a sua relação com os microARNs maduros são calculadas e apresentadas.

5. Gráficos de Análise de Saturação

A análise de saturação examina se a deteção de microARNs listados na base de dados miRBase aumenta com o aumento da profundidade de sequenciação. Os resultados da anotação são divididos proporcionalmente e representados graficamente para observar a tendência dos resultados de anotação em amostras biológicas, garantindo a sua validade biológica.

6. Seleção da Expressão de microRNA

Diferenças entre o pacote R DEGseq e scripts Perl são utilizados para comparar os níveis de expressão de microARNs entre amostras com base nos critérios de agrupamento do cliente (por exemplo, grupo de controlo vs. grupo experimental). Na análise diferencial, o TPM (Transcritos por milhão) é utilizado como dados normalizados, calculado como a contagem de leituras de microARN individual multiplicada por 10^6 dividida pela contagem total de leituras.

7. Previsão de microRNA

Genes Alvo O software miranda é utilizado para prever locais-alvo potenciais para sequências de microRNA e as correspondentes sequências de cDNA genómico das espécies.

(Zhaohui Luo, et al., 2012)

Alternativamente, a base de dados TargetScan pode ser utilizada para associar microARNs aos seus genes-alvo. Os resultados incluem informações relevantes sobre o microARN e os seus genes-alvo.

8. Análise de Enriquecimento Funcional GO (Genes Alvo)

(Yuepeng Song et al., 2013)

Análise de Enriquecimento da Significância de Vias (Genes Alvo)

Caso 1: Profilagem de microARNs florais com dimorfismo sexual e expressão de genes-alvo em álamo andromonoico (Populus tomentosa). PLoS One. 2013, 8(5):e62681.(IF3.730)

Este estudo reporta pela primeira vez a identificação de miARNs associados ao desenvolvimento de flores e seus genes-alvo. Com base na anotação genética, todos os genes-alvo foram classificados em quatro categorias.
A primeira categoria são os genes relacionados ao desenvolvimento das flores, incluindo Pto-F6, Pto-F11, Pto-F14, Pto-F19, Pto-25, Pto-36, Pto-F51, Pto-F54 e Pto-F66.
A segunda categoria são os genes relacionados ao transporte de íons de cálcio: Pto-F28 e Pto-F45 (miARNs específicos de flores femininas) e Pto-F16 (miARN específico de flores masculinas).
A terceira categoria são os genes relacionados à regulação hormonal: 10 miARNs (excluindo Pto-F6) que são predominantemente expressos em flores femininas.
A quarta categoria são os genes relacionados com a metilação do DNA: três miARNs.
Estas descobertas fornecem informações sobre os papéis regulatórios dos miARNs no desenvolvimento das flores, incluindo a sua participação na organogénese floral, sinalização hormonal, transporte de iões de cálcio e processos de metilação do DNA.

Caso 2: MeCP2 Suprime o Processamento de MicroRNA Nuclear e o Crescimento Dendrítico ao Regular o Complexo DGCR8/Drosha p547. Célula de Desenvolvimento. 2014, 28, 547–60. (IF: 10.366)

Mutações ou variações no número de cópias do gene MeCP2 humano levam a distúrbios neurológicos do desenvolvimento, como o autismo. Pesquisadores do Instituto de Neurociência, Institutos de Ciências Biológicas de Xangai, Academia Chinesa de Ciências, liderados pelo Dr. Zilong Qiu, utilizaram tecnologia de sequenciamento de alto rendimento para analisar quantitativamente pequenos RNAs maduros na região hipocampal de camundongos knockout para MeCP2. Eles descobriram que o MeCP2 inibe a produção de um grande número de pequenos RNAs. Este estudo revelou uma nova função da proteína associada ao autismo MeCP2 no processamento de pequenos RNAs e sugere que esta função pode estar envolvida no mecanismo patogénico subjacente a distúrbios neurológicos do desenvolvimento causados por mutações no gene MeCP2.