par-clip-method-to-identify-transcriptome-wide-binding-sites-rna

PAR-CliP - A Method to Identify Transcriptome-wide the Binding Sites of RNA Binding Proteins

RNA transcripts are subjected to post-transcriptional gene regulation by interacting with hundreds of RNA-binding proteins (RBPs) and microRNA-containing ...

Biozentrum der Universität Basel and Swiss Institute of Bioinformatics (SIB)

&#x51C6;&#x786E;&#x548C;&#x5927;&#x89C4;&#x6A21;&#x76F4;&#x63A5;&#x4ECE;&#x6C28;&#x57FA;&#x9178;&#x5E8F;&#x5217;&#x7684;&#x86CB;&#x767D;&#x8D28;-&#x86CB;&#x767D;&#x8D28;&#x76F8;&#x4E92;&#x4F5C;&#x7528;&#x7684;&#x9884;&#x6D4B;&#x662F;&#x6781;&#x5927;&#x7684;&#x6311;&#x6218;&#x4E4B;&#x4E00;&#x8BA1;&#x7B97;&#x751F;&#x7269;&#x5B66;&#x3002;&#x5728;&#x8FD9;&#x91CC;&#x6211;&#x4EEC;&#x63D0;&#x51FA;&#x65B0;&#x7684;&#x8D1D;&#x53F6;&#x65AF;&#x7F51;&#x7EDC;&#x65B9;&#x6CD5;&#x9884;&#x6D4B;&#x4E92;&#x52A8;&#x5408;&#x4F5C;&#x4F19;&#x4F34;&#x4F7F;&#x7528;&#x7684;&#x6C28;&#x57FA;&#x9178;&#x5E8F;&#x5217;&#x7684;&#x76F8;&#x4E92;&#x4F5C;&#x7528;&#x86CB;&#x767D;&#x57DF;&#xFF0C;&#x53EF;&#x8C03;&#x53C2;&#x6570;&#xFF0C;&#x800C;&#x65E0;&#x9700;&#x4EFB;&#x4F55;&#x8BAD;&#x7EC3;&#x793A;&#x4F8B;&#x53EA;&#x591A;&#x6BD4;&#x3002;&#x6211;&#x4EEC;&#x9996;&#x5148;&#x5C06;&#x8BE5;&#x65B9;&#x6CD5;&#x5E94;&#x7528;&#x4E8E;&#x7EC6;&#x83CC;&#x53CC;&#x7EC4;&#x5206;&#x7CFB;&#x7EDF;&#x548C;&#x5168;&#x9762;&#x5730;&#x8DE8;&#x6240;&#x6709;&#x7EC6;&#x83CC;&#x90FD;&#x6709;&#x5E8F;&#x91CD;&#x5EFA;&#x4E24;&#x4E2A;&#x5206;&#x91CF;&#x4FE1;&#x53F7;&#x4F20;&#x8F93;&#x7F51;&#x7EDC;&#x3002;&#x6211;&#x4EEC;&#x9884;&#x6D4B;&#x4E0E;&#x5DF2;&#x77E5;&#x76F8;&#x4E92;&#x4F5C;&#x7528;&#x7684;&#x6BD4;&#x8F83;&#x7ED3;&#x679C;&#x663E;&#x793A;&#x6211;&#x4EEC;&#x7684;&#x65B9;&#x6CD5;&#x9AD8;&#x7CBE;&#x5EA6;&#x63A8;&#x65AD;&#x4E92;&#x52A8;&#x4F19;&#x4F34;&#x5168;&#x57FA;&#x56E0;&#x7EC4;&#x3002;&#x4EE5;&#x8BC1;&#x660E;&#x6211;&#x4EEC;&#x7684;&#x65B9;&#x6CD5;&#x7684;&#x666E;&#x904D;&#x9002;&#x7528;&#x6027;&#x663E;&#x793A;&#x5B83;&#x8FD8;&#x51C6;&#x786E;&#x5730;&#x9884;&#x6D4B;&#x6700;&#x8FD1;&#x6570;&#x636E;&#x96C6;&#x7684;&#x805A;&#x916E;&#x5408;&#x4E92;&#x52A8;&#x7684;&#x4F19;&#x4F34;&#x3002;&#x7F51;&#x7EDC;&#x9884;&#x6D4B;&#x5168;&#x57FA;&#x56E0;&#x7EC4;&#x53CC;&#x7EC4;&#x5206;&#x4FE1;&#x53F7;&#x7684;&#x5206;&#x6790;&#x663E;&#x793A;&#xFF0C;&#x540C;&#x6E90; &#xFF08;&#x76F8;&#x4E92;&#x4F5C;&#x7528;&#x6FC0;&#x9176;/&#x8C03;&#x8282;&#x5668;&#x5BF9;&#xFF0C;&#x5176;&#x4E2D;&#x8EBA;&#x5728;&#x57FA;&#x56E0;&#x7EC4;&#x4E0A;&#x7684;&#x90BB;&#x8FD1;&#xFF09; &#x548C;&#x5B64;&#x513F; (&#x4F4D;&#x4E8E;&#x5B64;&#x7ACB;) &#x4E2D;&#x6BCF;&#x4E2A;&#x57FA;&#x56E0;&#x7EC4;&#x7684;&#x7A97;&#x4F53;&#x4FE1;&#x4EE4;&#x7F51;&#x7EDC;&#x7684;&#x4E24;&#x4E2A;&#x76F8;&#x5BF9;&#x72EC;&#x7ACB;&#x7684;&#x7EC4;&#x4EF6;&#x3002;&#x6B64;&#x5916;&#xFF0C;&#x5C3D;&#x7BA1;&#x5927;&#x591A;&#x6570;&#x57FA;&#x56E0;&#x9884;&#x6D4B;&#xFF0C;&#x6709;&#x53EA;&#x5C0F;&#x6570;&#x91CF;&#x7684;&#x4E92;&#x52A8;&#x5408;&#x4F5C;&#x4F19;&#x4F34;&#xFF0C;&#x6211;&#x4EEC;&#x53D1;&#x73B0; 10%&#x7684;&#x5B64;&#x513F;&#x7EC4;&#x6210;&#x7684;&#x67A2;&#x7EBD;&#x8282;&#x70B9;&#x7684;&#x5206;&#x53D1;&#x548C;&#x96C6;&#x6210;&#x4FE1;&#x53F7;&#x4E0E;&#x8FBE;&#x6570;&#x4E07;&#x4E0D;&#x540C;&#x4E92;&#x52A8;&#x4F19;&#x4F34;&#x4E00;&#x4E2A;&#x5355;&#x72EC;&#x7684;&#x7C7B;&#x3002;

&#x4ECE;&#x5E8F;&#x5217;&#x6BD4;&#x4F7F;&#x7528;&#x8D1D;&#x53F6;&#x65AF;&#x65B9;&#x6CD5;&#x7684;&#x86CB;&#x767D;&#x8D28;-&#x86CB;&#x767D;&#x8D28;&#x76F8;&#x4E92;&#x4F5C;&#x7528;&#x7684;&#x51C6;&#x786E;&#x9884;&#x6D4B;&#x3002;

Accurate and large-scale prediction of protein-protein interactions directly from amino-acid sequences is one of the great challenges in computational biology. Here we present a new Bayesian network method that predicts interaction partners using only multiple alignments of amino-acid sequences of interacting protein domains, without tunable parameters, and without the need for any training examples. We first apply the method to bacterial two-component systems and comprehensively reconstruct two-component signaling networks across all sequenced bacteria. Comparisons of our predictions with known interactions show that our method infers interaction partners genome-wide with high accuracy. To demonstrate the general applicability of our method we show that it also accurately predicts interaction partners in a recent dataset of polyketide synthases. Analysis of the predicted genome-wide two-component signaling networks shows that cognates (interacting kinase/regulator pairs, which lie adjacent on the genome) and orphans (which lie isolated) form two relatively independent components of the signaling network in each genome. In addition, while most genes are predicted to have only a small number of interaction partners, we find that 10% of orphans form a separate class of 'hub' nodes that distribute and integrate signals to and from up to tens of different interaction partners.

Accurate prediction of protein-protein interactions from sequence alignments using a Bayesian method.

Pr&eacute;diction exacte et &agrave; grande &eacute;chelle des interactions prot&eacute;ine-prot&eacute;ine directement &agrave; partir de s&eacute;quences d&#39;acides amin&eacute;s est l&#39;un des plus grands d&eacute;fis en biologie computationnelle. Nous pr&eacute;sentons ici une nouvelle m&eacute;thode de r&eacute;seau bay&eacute;sien qui pr&eacute;dit les partenaires d&#39;interaction en utilisant seulement des alignements multiples de s&eacute;quences d&#39;acides amin&eacute;s de domaines de prot&eacute;ines qui interagissent, sans param&egrave;tres modifiables et sans la n&eacute;cessit&eacute; pour des exemples de formation. Nous avons tout d&#39;abord appliquer la m&eacute;thode &agrave; des syst&egrave;mes de deux composants bact&eacute;riens et compl&egrave;tement reconstruire deux composants r&eacute;seaux de signalisation &agrave; travers toutes les bact&eacute;ries s&eacute;quenc&eacute;es. Les comparaisons de nos pr&eacute;dictions avec interactions connues montrent que notre m&eacute;thode d&eacute;duit des partenaires d&#39;interaction G&eacute;nome-large avec une grande pr&eacute;cision. Afin de d&eacute;montrer l&#39;applicabilit&eacute; g&eacute;n&eacute;rale de notre m&eacute;thode, nous montrons aussi bien pr&eacute;dit que des partenaires d&#39;interaction dans un ensemble de donn&eacute;es r&eacute;cente de polyketide synthases. Analyse de la signalisation pr&eacute;vue de bi-composants genome-wide r&eacute;seaux montre que mots apparent&eacute;s (interaction kinase/r&eacute;gulateur paires, qui se trouvent &agrave; proximit&eacute; sur le g&eacute;nome) et orphelins (qui se trouvent isol&eacute;s) constituent deux &eacute;l&eacute;ments relativement ind&eacute;pendants du r&eacute;seau signalisation dans chaque g&eacute;nome. En outre, alors que la plupart des g&egrave;nes sont pr&eacute;vus pour avoir seulement un petit nombre de partenaires d&#39;interaction, nous trouvons que 10 % des orphelins forment une cat&eacute;gorie distincte de n&oelig;uds de &laquo; plaque tournante &raquo; qui distribuent et int&eacute;grer des signaux vers et &agrave; partir &agrave; des dizaines de partenaires d&#39;interaction diff&eacute;rents.

Pr&eacute;vision exacte des interactions prot&eacute;ine-prot&eacute;ine d&#39;alignements de s&eacute;quences &agrave; l&#39;aide d&#39;une m&eacute;thode bay&eacute;sienne.

Pr&auml;zise und umfassende Vorhersage von Protein-Protein Interaktionen direkt aus der Aminos&auml;ure-Sequenzen ist eine der gro&szlig;en Herausforderungen in der Bioinformatik. Hier pr&auml;sentieren wir eine neue Bayes-Netzwerk-Methode, die Interaktion Partner mit nur mehrere Ausrichtungen der Aminos&auml;ure-Sequenzen von interagierenden Protein-Gebiete, ohne einstellbare Parameter und ohne die Notwendigkeit f&uuml;r jede Ausbildung Beispiele vorhersagt. Wir wenden Sie die Methode zuerst auf bakterielle Zweikomponenten-Systeme und Zweikomponenten-Signalisierung Netzwerke umfassend &uuml;ber alle sequenzierten Bakterien zu rekonstruieren. Vergleiche unsere Vorhersagen mit bekannten Wechselwirkungen zeigen, dass unsere Methode Interaktion Partner genomweiten mit hoher Genauigkeit leitet. Um die allgemeine Anwendbarkeit unserer Methode zu demonstrieren, zeigen wir, dass es auch sehr genau Interaktion Partner in einem j&uuml;ngsten Dataset Polyketid-Synthasen vorhersagt. Analyse der vorhergesagten genomweiten Zweikomponenten-signalisieren Netze zeigt, dass Cognates (interagierenden Kinase/Regler Paare, die auf das Genom angrenzenden liegen) und Waisen (die isoliert liegen) bilden zwei relativ unabh&auml;ngige Komponenten des Signalling Netzwerks in jedem Genom. Dar&uuml;ber hinaus, w&auml;hrend die meisten Gene vorhergesagt werden, um nur eine kleine Anzahl von Interaktion Partner zu haben, finden wir, dass 10 % der Waisen eine separate Klasse der &quot;Hub&quot; Knoten bilden, die verteilen und Signale zu und von bis zu zehn verschiedenen Interaktion Partner zu integrieren.

Genaue Vorhersage von Protein-Protein Interaktionen aus Sequenzalignments mit einer Bayes-Methode.

Previsione accurata e su larga scala delle interazioni della proteina-proteina direttamente da sequenze di aminoacidi &egrave; una delle grandi sfide in biologia computazionale. Qui vi presentiamo un nuovo metodo di rete bayesiana che predice partner interazione utilizzando solo allineamenti multipli di sequenze di aminoacidi di domini di proteine interagenti, senza parametri modificabili e senza la necessit&agrave; di eventuali esempi di formazione. Abbiamo innanzitutto applicare il metodo a sistemi del due-componente batterici ed esaurientemente ricostruire due-componente segnalazione reti attraverso tutti i batteri sequenziati. Confronti dei nostri pronostici con interazioni conosciute mostrano che il nostro metodo deduce partner interazione genome-wide con elevata precisione. Per dimostrare l&#39;applicabilit&agrave; generale del nostro metodo vi mostriamo che predice anche accuratamente partner di interazione in un dataset recenti di polyketide synthases. Analisi del predetto segnale due-componente genome-wide reti spettacoli che affini (interagenti chinasi/regolatore coppie, che si trovano adiacenti sul genoma) e gli orfani (che si trovano isolati) formano due componenti relativamente indipendente della rete segnalazione in ogni genoma. Inoltre, mentre la maggior parte dei geni sono previsti per avere solo un piccolo numero di partner di interazione, troviamo che il 10% degli orfani formano una classe separata di nodi &#39;hub&#39; distribuire e integrare i segnali da e per fino a decine di partner di diversa interazione.

Accurata previsione di interazioni proteina-proteina da allineamenti di sequenza utilizzando un metodo bayesiano.

&#x6B63;&#x78BA;&#x304B;&#x3064;&#x5927;&#x898F;&#x6A21;&#x306A;&#x4E88;&#x6E2C;&#x30A2;&#x30DF;&#x30CE;&#x9178;&#x914D;&#x5217;&#x304B;&#x3089;&#x76F4;&#x63A5;&#x86CB;&#x767D;&#x8CEA;&#x86CB;&#x767D;&#x8CEA;&#x306E;&#x76F8;&#x4E92;&#x4F5C;&#x7528;&#x306E;&#x5927;&#x304D;&#x306A;&#x8AB2;&#x984C;&#x306E; 1 &#x3064;&#x3067;&#x8A08;&#x7B97;&#x751F;&#x7269;&#x5B66;&#x3067;&#x3059;&#x3002;&#x3053;&#x3053;&#x3067;&#x306F;&#x76F8;&#x4E92;&#x4F5C;&#x7528;&#x3059;&#x308B;&#x30BF;&#x30F3;&#x30D1;&#x30AF;&#x8CEA;&#x306E;&#x30C9;&#x30E1;&#x30A4;&#x30F3;&#x3001;&#x30C1;&#x30E5;&#x30FC;&#x30CB;&#x30F3;&#x30B0;&#x53EF;&#x80FD;&#x30D1;&#x30E9;&#x30E1;&#x30FC;&#x30BF;&#x30FC;&#x304C;&#x306A;&#x3051;&#x308C;&#x3070;&#x3001;&#x3069;&#x3093;&#x306A;&#x30C8;&#x30EC;&#x30FC;&#x30CB;&#x30F3;&#x30B0;&#x4F8B;&#x3092;&#x5FC5;&#x8981;&#x3068;&#x305B;&#x305A;&#x306E;&#x30A2;&#x30DF;&#x30CE;&#x9178;&#x914D;&#x5217;&#x306E;&#x591A;&#x91CD;&#x30A2;&#x30E9;&#x30A4;&#x30E1;&#x30F3;&#x30C8;&#x306E;&#x307F;&#x3092;&#x4F7F;&#x7528;&#x3057;&#x3066;&#x76F8;&#x4E92;&#x4F5C;&#x7528;&#x30D1;&#x30FC;&#x30C8;&#x30CA;&#x30FC;&#x3092;&#x4E88;&#x6E2C;&#x3059;&#x308B;&#x65B0;&#x3057;&#x3044;&#x30D9;&#x30A4;&#x30B8;&#x30A2;&#x30F3; &#x30CD;&#x30C3;&#x30C8;&#x30EF;&#x30FC;&#x30AF;&#x624B;&#x6CD5;&#x3092;&#x63D0;&#x793A;&#x3057;&#x307E;&#x3059;&#x3002;&#x6700;&#x521D;&#x30E1;&#x30BD;&#x30C3;&#x30C9;&#x7D30;&#x83CC;&#x306E;&#x4E8C;&#x6210;&#x5206;&#x7CFB;&#x306B;&#x9069;&#x7528;&#x3057;&#x3001;&#x7DCF;&#x5408;&#x7684; 2 &#x6210;&#x5206;&#x30B7;&#x30B0;&#x30CA;&#x30EB;&#x4F1D;&#x9054;&#x30CD;&#x30C3;&#x30C8;&#x30EF;&#x30FC;&#x30AF;&#x5168;&#x4F53;&#x306E;&#x3059;&#x3079;&#x3066;&#x306E;&#x30B7;&#x30FC;&#x30B1;&#x30F3;&#x30B9;&#x3055;&#x308C;&#x305F;&#x7D30;&#x83CC;&#x3092;&#x518D;&#x69CB;&#x6210;&#x3057;&#x307E;&#x3059;&#x3002;&#x672C;&#x624B;&#x6CD5;&#x3092;&#x76F8;&#x4E92;&#x4F5C;&#x7528;&#x30D1;&#x30FC;&#x30C8;&#x30CA;&#x30FC; &#x30B2;&#x30CE;&#x30E0;&#x9AD8;&#x7CBE;&#x5EA6;&#x3067;&#x63A8;&#x6E2C;&#x3059;&#x308B;&#x3053;&#x3068;&#x79C1;&#x9054;&#x306E;&#x4E88;&#x8A00;&#x65E2;&#x77E5;&#x306E;&#x76F8;&#x4E92;&#x4F5C;&#x7528;&#x3068;&#x306E;&#x6BD4;&#x8F03;&#x3092;&#x793A;&#x3057;&#x307E;&#x3059;&#x3002;&#x672C;&#x624B;&#x6CD5;&#x306E;&#x6C4E;&#x7528;&#x6027;&#x3092;&#x793A;&#x3059;&#x305F;&#x3081;&#x306B;&#x305D;&#x308C;&#x3082;&#x6B63;&#x78BA;&#x306B;&#x6700;&#x8FD1;&#x30C7;&#x30FC;&#x30BF;&#x30BB;&#x30C3;&#x30C8; &#x30DD;&#x30EA;&#x30B1;&#x30BF;&#x30A4;&#x30C9;&#x5408;&#x6210;&#x9175;&#x7D20;&#x306E;&#x76F8;&#x4E92;&#x4F5C;&#x7528;&#x30D1;&#x30FC;&#x30C8;&#x30CA;&#x30FC;&#x3092;&#x4E88;&#x6E2C;&#x3059;&#x308B;&#x3053;&#x3068;&#x3092;&#x793A;&#x3057;&#x307E;&#x3059;&#x3002;&#x30B7;&#x30E7;&#x30FC; &#x30CD;&#x30C3;&#x30C8;&#x30EF;&#x30FC;&#x30AF;&#x4E88;&#x6E2C;&#x306E;&#x30B2;&#x30CE;&#x30E0; 2 &#x6210;&#x5206;&#x30B7;&#x30B0;&#x30CA;&#x30EB;&#x4F1D;&#x9054;&#x306E;&#x89E3;&#x6790;&#x305D;&#x306E;&#x540C;&#x6839;&#x8A9E;&#x306F;&#x30B2;&#x30CE;&#x30E0;&#x4E0A;&#x306B;&#x96A3;&#x63A5;&#x3059;&#x308B;&#x3042;&#x308B; (&#x76F8;&#x4E92;&#x4F5C;&#x7528;&#x3059;&#x308B;&#x30AD;&#x30CA;&#x30FC;&#x30BC; &#x30FB; &#x30EC;&#x30AE;&#x30E5;&#x30EC;&#x30FC;&#x30BF; &#x30DA;&#x30A2;&#xFF09; &#x3068; &#xFF08;&#x3053;&#x308C;&#x306F;&#x5B64;&#x7ACB;&#x3057;&#x305F;&#x5618;&#xFF09; &#x5B64;&#x5150;&#x5404;&#x30B2;&#x30CE;&#x30E0;&#x306E;&#x30B7;&#x30B0;&#x30CA;&#x30EB;&#x4F1D;&#x9054;&#x30CD;&#x30C3;&#x30C8;&#x30EF;&#x30FC;&#x30AF;&#x306E; 2 &#x3064;&#x306E;&#x6BD4;&#x8F03;&#x7684;&#x72EC;&#x7ACB;&#x3057;&#x305F;&#x30B3;&#x30F3;&#x30DD;&#x30FC;&#x30CD;&#x30F3;&#x30C8;&#x3092;&#x5F62;&#x6210;&#x3057;&#x307E;&#x3059;&#x3002;&#x3055;&#x3089;&#x306B;&#x3001;&#x307B;&#x3068;&#x3093;&#x3069;&#x306E;&#x907A;&#x4F1D;&#x5B50;&#x76F8;&#x4E92;&#x4F5C;&#x7528;&#x30D1;&#x30FC;&#x30C8;&#x30CA;&#x30FC;&#x6570;&#x304C;&#x5C11;&#x306A;&#x3044;&#x304C;&#x3042;&#x308B;&#x3053;&#x3068;&#x304C;&#x4E88;&#x6E2C;&#x3055;&#x308C;&#x308B;&#x306A;&#x5B64;&#x5150;&#x306E; 10 &#xFF05; &#x3092;&#x914D;&#x5E03;&#x3057;&#x3066;&#x7570;&#x306A;&#x308B;&#x76F8;&#x4E92;&#x4F5C;&#x7528;&#x30D1;&#x30FC;&#x30C8;&#x30CA;&#x30FC;&#x6570;&#x304B;&#x3089;&#x306E;&#x4FE1;&#x53F7;&#x3092;&#x7D71;&#x5408; &#39;&#x30CF;&#x30D6;&#39; &#x30CE;&#x30FC;&#x30C9;&#x306E;&#x5225;&#x306E;&#x30AF;&#x30E9;&#x30B9;&#x3092;&#x5F62;&#x6210;&#x3059;&#x308B;&#x3053;&#x3068;&#x3092;&#x898B;&#x3064;&#x3051;&#x307E;&#x3059;&#x3002;

&#x30D9;&#x30A4;&#x30BA;&#x6CD5;&#x3092;&#x7528;&#x3044;&#x305F;&#x914D;&#x5217;&#x30A2;&#x30E9;&#x30A4;&#x30F3;&#x30E1;&#x30F3;&#x30C8;&#x304B;&#x3089;&#x86CB;&#x767D;&#x8CEA;&#x86CB;&#x767D;&#x8CEA;&#x306E;&#x76F8;&#x4E92;&#x4F5C;&#x7528;&#x306E;&#x6B63;&#x78BA;&#x306A;&#x4E88;&#x6E2C;&#x3002;

&#xC0B0; &#xC131; &#xC544;&#xBBF8;&#xB178;&#xC0B0; &#xC2DC;&#xD000;&#xC2A4;&#xC5D0;&#xC11C; &#xC9C1;&#xC811; &#xB2E8;&#xBC31;&#xC9C8; &#xB2E8;&#xBC31;&#xC9C8; &#xC0C1;&#xD638; &#xC791;&#xC6A9;&#xC758; &#xC815;&#xD655; &#xD558; &#xACE0; &#xB300;&#xD615;-&#xADDC;&#xBAA8; &#xC608;&#xCE21; &#xC804;&#xC0B0; &#xC0DD;&#xBB3C;&#xD559;&#xC758; &#xD070; &#xACFC;&#xC81C; &#xC911; &#xD558;&#xB098; &#xC774;&#xB2E4;. &#xC5EC;&#xAE30;&#xC5D0; &#xC6B0;&#xB9AC;&#xAC00; &#xD604;&#xC7AC; &#xC5EC;&#xB7EC; &#xC815;&#xB82C;&#xB9CC; &#xAC00;&#xBCC0; &#xB9E4;&#xAC1C; &#xBCC0;&#xC218; &#xC5C6;&#xC774; &#xADF8;&#xB9AC;&#xACE0; &#xC5B4;&#xB5A4; &#xAD50;&#xC721; &#xC608;&#xC81C;&#xC5D0; &#xB300; &#xD55C; &#xD544;&#xC694; &#xC5C6;&#xC774; &#xC0C1;&#xD638; &#xC791;&#xC6A9; &#xB2E8;&#xBC31;&#xC9C8; &#xB3C4;&#xBA54;&#xC778;&#xC758; &#xC0B0; &#xC131; &#xC544;&#xBBF8;&#xB178;&#xC0B0; &#xC2DC;&#xD000;&#xC2A4;&#xB97C; &#xC0AC;&#xC6A9; &#xD558; &#xC5EC; &#xC0C1;&#xD638; &#xD30C;&#xD2B8;&#xB108;&#xB97C; &#xC608;&#xCE21; &#xD558;&#xB294; &#xC0C8;&#xB85C;&#xC6B4; &#xBCA0;&#xC774;&#xC9C0;&#xC548; &#xB124;&#xD2B8;&#xC6CC;&#xD06C; &#xBC29;&#xBC95;. &#xBA3C;&#xC800; &#xC138;&#xADE0; 2-&#xAD6C;&#xC131; &#xC694;&#xC18C; &#xC2DC;&#xC2A4;&#xD15C;&#xC5D0; &#xBA54;&#xC11C;&#xB4DC;&#xB97C; &#xC801;&#xC6A9; &#xD558; &#xACE0; &#xD3EC;&#xAD04;&#xC801;&#xC73C;&#xB85C; &#xBAA8;&#xB4E0; &#xC2DC;&#xD000;&#xC2A4; &#xB41C; &#xBC15;&#xD14C;&#xB9AC;&#xC544;&#xC5D0; &#xAC78;&#xCCD0; &#xB450; &#xCEF4;&#xD3EC;&#xB10C;&#xD2B8; &#xC2E0;&#xD638; &#xB124;&#xD2B8;&#xC6CC;&#xD06C;&#xB97C; &#xC7AC;&#xAD6C;&#xC131;. &#xC54C;&#xB824;&#xC9C4;&#xB41C; &#xC0C1;&#xD638; &#xC791;&#xC6A9;&#xC73C;&#xB85C; &#xC6B0;&#xB9AC;&#xC758; &#xC608;&#xCE21;&#xC758; &#xBE44;&#xAD50; &#xBCF4;&#xAE30; &#xC6B0;&#xB9AC;&#xC758; &#xBC29;&#xBC95;&#xC740; &#xB192;&#xC740; &#xC815;&#xD655;&#xB3C4;&#xB85C; &#xC0C1;&#xD638; &#xD30C;&#xD2B8;&#xB108; &#xAC8C;&#xB188; &#xC804;&#xCCB4;&#xB97C; &#xC720;&#xCD94; &#xD569;&#xB2C8;&#xB2E4;. &#xC6B0;&#xB9AC;&#xC758; &#xBC29;&#xBC95;&#xC758; &#xC77C;&#xBC18;&#xC801;&#xC778; &#xC801;&#xC6A9;&#xC744; &#xBCF4;&#xC5EC; &#xC8FC;&#xAE30; &#xC704;&#xD574; &#xC6B0;&#xB9AC;&#xB294; polyketide synthases&#xC758; &#xCD5C;&#xADFC; &#xB370;&#xC774;&#xD130; &#xC9D1;&#xD569;&#xC758; &#xC0C1;&#xD638; &#xD30C;&#xD2B8;&#xB108; &#xB610;&#xD55C; &#xC815;&#xD655; &#xD558; &#xAC8C; &#xC608;&#xCE21;&#xC740; &#xBCF4;&#xC5EC;&#xC90D;&#xB2C8;&#xB2E4;. &#xC608;&#xCE21; &#xAC8C;&#xB188; &#xB113;&#xC740; 2 &#xCEF4;&#xD3EC;&#xB10C;&#xD2B8; &#xC2E0;&#xD638; &#xBD84;&#xC11D; &#xB124;&#xD2B8;&#xC6CC;&#xD06C; &#xC1FC; &#xADF8; cognates (&#xC0C1;&#xD638; &#xC791;&#xC6A9; &#xD0A4; &#xB2C8; &#xC544; &#xC81C;/&#xB808; &#xADE4; &#xB808;&#xC774; &#xD130; &#xC30D;&#xC744; &#xAC8C;&#xB188;&#xC5D0; &#xC778;&#xC811; &#xD55C; &#xAC70;&#xC9D3;&#xB9D0;) &#xACE0;&#xC544; (&#xC5B4;&#xB5A4; &#xACA9;&#xB9AC; &#xB41C; &#xAC70;&#xC9D3;&#xB9D0;) &#xAC01; &#xAC8C;&#xB188;&#xC5D0; &#xC2E0;&#xD638; &#xB124;&#xD2B8;&#xC6CC;&#xD06C;&#xC758; &#xB450; &#xBE44;&#xAD50;&#xC801; &#xB3C5;&#xB9BD;&#xC801;&#xC778; &#xAD6C;&#xC131; &#xC694;&#xC18C;&#xB97C; &#xD615;&#xC131; &#xD569;&#xB2C8;&#xB2E4;. &#xB610;&#xD55C;, &#xB300;&#xBD80;&#xBD84;&#xC758; &#xC720;&#xC804;&#xC790;&#xAC00; &#xC0C1;&#xD638; &#xD30C;&#xD2B8;&#xB108; &#xC218;&#xAC00; &#xC801;&#xC740; &#xAC83;&#xC73C;&#xB85C; &#xC608;&#xC0C1; &#xB41C;&#xB2E4;, &#xD558;&#xB294; &#xB3D9;&#xC548; &#xC6B0;&#xB9AC;&#xB294; &#xACE0;&#xC544;&#xC758; 10% &#39;&#xD5C8;&#xBE0C;&#39; &#xB178;&#xB4DC; &#xBC30;&#xD3EC; &#xD558; &#xACE0; &#xB2E4;&#xB978; &#xC0C1;&#xD638; &#xC791;&#xC6A9; &#xD30C;&#xD2B8;&#xB108;&#xC758; &#xCD5C;&#xB300; &#xC218;&#xB9CC; &#xC2E0;&#xD638;&#xB97C; &#xD1B5;&#xD569; &#xD558;&#xB294; &#xBCC4;&#xB3C4; &#xD074;&#xB798;&#xC2A4;&#xB97C; &#xAD6C;&#xC131; &#xCC3E;&#xC744;.

&#xBCA0;&#xC774;&#xC9C0;&#xC548; &#xBC29;&#xBC95;&#xC744; &#xC0AC;&#xC6A9; &#xD558; &#xC5EC; &#xC2DC;&#xD000;&#xC2A4; &#xC815;&#xB82C;&#xC5D0;&#xC11C; &#xB2E8;&#xBC31;&#xC9C8; &#xB2E8;&#xBC31;&#xC9C8; &#xC0C1;&#xD638; &#xC791;&#xC6A9;&#xC758; &#xC815;&#xD655;&#xD55C; &#xC608;&#xCE21;.

Predicci&oacute;n exacta y a gran escala de las interacciones prote&iacute;na-prote&iacute;na directamente en secuencias de amino&aacute;cidos es uno de los grandes retos en biolog&iacute;a computacional. Aqu&iacute; presentamos un nuevo m&eacute;todo de red bayesiana que predice a partners de interacci&oacute;n usando s&oacute;lo varias alineaciones de secuencias de amino&aacute;cidos de dominios proteicos de interacci&oacute;n, sin par&aacute;metros regulables y sin necesidad de ning&uacute;n ejemplo de formaci&oacute;n. Primero aplicamos el m&eacute;todo a los sistemas de dos componentes bacterianos y comprensivo reconstruir redes de se&ntilde;alizaci&oacute;n de dos componentes a trav&eacute;s de todas las bacterias secuenciadas. Las comparaciones de nuestras predicciones con interacciones conocidas muestran que nuestro m&eacute;todo deduce a socios en todo el genoma de la interacci&oacute;n con alta exactitud. Para demostrar la aplicabilidad general de nuestro m&eacute;todo mostramos que predice exactamente tambi&eacute;n socios de interacci&oacute;n en un conjunto de datos reciente del grupo Sintasas. An&aacute;lisis de la se&ntilde;alizaci&oacute;n de dos componentes de todo el genoma predicha redes muestra eso cognados (pares quinasa/regulador interacci&oacute;n, que se encuentran adyacentes en el genoma) y los hu&eacute;rfanos (que se encuentran aislados) forman dos componentes relativamente independientes de la red de se&ntilde;alizaci&oacute;n en cada genoma. Adem&aacute;s, mientras que la mayor&iacute;a de los genes se prev&eacute; que s&oacute;lo un peque&ntilde;o n&uacute;mero de socios de interacci&oacute;n, encontramos que el 10% de los hu&eacute;rfanos forman una clase aparte de nodos de &#39;hub&#39; que distribuir e integrar las se&ntilde;ales a y de hasta decenas de socios de interacci&oacute;n diferentes.

Predicci&oacute;n precisa de las interacciones prote&iacute;na-prote&iacute;na de alineaciones de la secuencia utilizando un m&eacute;todo bayesiano.

&#x9884;&#x6D4B;&#x86CB;&#x767D;&#x8D28;&#x7ED3;&#x6784;&#x4ECE;&#x4E3B;&#x5E8F;&#x5217;&#x4E2D;&#x8BA1;&#x7B97;&#x751F;&#x7269;&#x5B66;&#x662F;&#x7EC8;&#x6781;&#x6311;&#x6218;&#x4E4B;&#x4E00;&#x3002;&#x9274;&#x4E8E;&#x5927;&#x91CF;&#x7684;&#x53EF;&#x7528;&#x7684;&#x5E8F;&#x5217;&#x6570;&#x636E;&#xFF0C;&#x5206;&#x6790;&#x7684;&#x534F;&#x540C;&#x8FDB;&#x5316;&#xFF0C;&#x5373;&#xFF0C;&#x591A;&#x4E2A;&#x8DEF;&#x7EBF;&#x7684;&#x86CB;&#x767D;&#x8D28;&#x57DF;&#x5E8F;&#x5217;&#x4E2D;&#x7684;&#x5217;&#x4E4B;&#x95F4;&#x7684;&#x7EDF;&#x8BA1;&#x76F8;&#x5173;&#x6027;&#x4ECD;&#x7136;&#x662F;&#x9884;&#x6D4B;&#x6B8B;&#x7559;&#x6240;&#x8054;&#x7CFB;&#x7684;&#x7ED3;&#x6784;&#x4E2D;&#x6700;&#x6709;&#x524D;&#x666F;&#x7684;&#x9014;&#x5F84;&#x4E4B;&#x4E00;&#x3002;&#x8FD9;&#x79CD;&#x65B9;&#x6CD5;&#x7684;&#x4E00;&#x4E2A;&#x4E3B;&#x8981;&#x969C;&#x788D;&#x662F;&#x5F3A;&#x6709;&#x529B;&#x7684;&#x7EDF;&#x8BA1;&#x76F8;&#x5173;&#x6027;&#x6307;&#x51FA;&#x7684;&#x662F;&#x5728;&#x7ED3;&#x6784;&#x4E2D;&#x8FDC;&#x7AEF;&#x7684;&#x8BB8;&#x591A;&#x6B8B;&#x7559;&#x5BF9;&#x3002;&#x5168;&#x9762;&#x5206;&#x6790;&#x86CB;&#x767D;&#x57DF;&#x4F7F;&#x7528;&#x53EF;&#x7528;&#x7684;&#x4E09;&#x7EF4;&#x7ED3;&#x6784;&#x6211;&#x4EEC;&#x663E;&#x793A; co-evolving &#x975E;&#x5E38;&#x5E38;&#x7528;&#x8054;&#x7CFB;&#x4EBA;&#x7A97;&#x4F53;&#x94FE;&#xFF0C;&#x6162;&#x6162;&#x7684;&#x86CB;&#x767D;&#x7ED3;&#x6784;&#xFF0C;&#x901A;&#x8FC7;&#x8BF1;&#x5BFC;&#x8BB8;&#x591A;&#x8FDC;&#x7AEF;&#x5BF9;&#x6B8B;&#x7559;&#x7684;&#x95F4;&#x63A5;&#x7EDF;&#x8BA1;&#x76F8;&#x5173;&#x6027;&#x3002;&#x6211;&#x4EEC;&#x7684;&#x7279;&#x70B9;&#x662F;&#x5206;&#x5E03;&#x7684;&#x957F;&#x5EA6;&#x548C;&#x7531;&#x8FD9;&#x4E9B;&#x90FD;&#x662F;&#x5171;&#x540C;&#x6F14;&#x8FDB;&#x8054;&#x7CFB;&#x94FE;&#x548C;&#x663E;&#x793A;&#x4ED6;&#x4EEC;&#x89E3;&#x91CA;&#x4E4B;&#x95F4;&#x7ED3;&#x6784;&#x4E0A;&#x8FDC;&#x7AEF;&#x6210;&#x5BF9;&#x89C2;&#x6D4B;&#x7EDF;&#x8BA1;&#x76F8;&#x5173;&#x6027;&#x7684;&#x5F88;&#x5927;&#x4E00;&#x90E8;&#x5206;&#x7684;&#x7A7A;&#x95F4;&#x8DDD;&#x79BB;&#x3002;&#x6211;&#x4EEC;&#x6700;&#x8FD1;&#x5F00;&#x53D1;&#x7684;&#x8D1D;&#x53F6;&#x65AF;&#x7F51;&#x7EDC;&#x6A21;&#x578B;&#x9002;&#x5E94;&#x89E3;&#x6790;&#x76F4;&#x63A5;&#x95F4;&#x63A5;&#x7684;&#x7EDF;&#x8BA1;&#x76F8;&#x5173;&#x6027;&#xFF0C;&#x4ECE;&#x4E25;&#x683C;&#x7684;&#x7A0B;&#x5E8F;&#x548C;&#x6211;&#x4EEC;&#x8BC1;&#x660E;&#x8FD9;&#x79CD;&#x65B9;&#x6CD5;&#x4E0D;&#x4EC5;&#x6210;&#x529F;&#x5730;&#x5B8C;&#x6210;&#x4E86;&#x8FD9;&#x9879;&#x4EFB;&#x52A1;&#xFF0C;&#x800C;&#x4E14;&#x8FD8;&#x5141;&#x8BB8;&#x4E0E;&#x5F31;&#x7EDF;&#x8BA1;&#x7684;&#x4F9D;&#x8D56;&#x9879;&#xFF0C;&#x624D;&#x80FD;&#x68C0;&#x6D4B;&#x5230;&#x7684;&#x8054;&#x7CFB;&#x4EBA;&#x3002;&#x4E3A;&#x4E86;&#x8BF4;&#x660E;&#x5982;&#x4F55;&#x66F4;&#x591A;&#x7684;&#x4FE1;&#x606F;&#x53EF;&#x4EE5;&#x7EB3;&#x5165;&#x6211;&#x4EEC;&#x7684;&#x65B9;&#x6CD5;&#x3001; &#x6211;&#x4EEC;&#x7EB3;&#x5165;&#x7CFB;&#x7EDF;&#x53D1;&#x80B2;&#x7684;&#x6821;&#x6B63;&#xFF0C;&#x6211;&#x4EEC;&#x5236;&#x5B9A;&#x7FD4;&#x5B9E;&#x4E8B;&#x5148;&#x8003;&#x8651;&#x5230;&#x5BF9;&#x6B8B;&#x7559;&#x8054;&#x7CFB;&#x7684;&#x6982;&#x7387;&#x5F3A;&#x70C8;&#x4F9D;&#x8D56;&#x4ED6;&#x4EEC;&#x5C0F;&#x5B66;&#x5E8F;&#x5217;&#x8DDD;&#x79BB;&#x548C;&#x591A;&#x4E2A;&#x5BF9;&#x9F50;&#x65B9;&#x5F0F;&#x4E2D;&#x7684;&#x76F8;&#x5E94;&#x5217;&#x5C55;&#x51FA;&#x7684;&#x517B;&#x62A4;&#x7684;&#x91CF;&#x3002;&#x6211;&#x4EEC;&#x663E;&#x793A;&#x6211;&#x4EEC;&#x6A21;&#x578B;&#xFF0C;&#x5305;&#x62EC;&#x8FD9;&#x4E9B;&#x6269;&#x5C55;&#x6781;&#x5927;&#x5730;&#x63D0;&#x9AD8;&#x4E86;&#x8054;&#x7CFB;&#x4EBA;&#x4ECE;&#x591A;&#x5E8F;&#x5217;&#x6BD4;&#x9884;&#x6D4B;&#x7684;&#x51C6;&#x786E;&#x6027;&#x3002;

&#x89E3;&#x6790;&#x76F4;&#x63A5;&#x4ECE;&#x86CB;&#x767D;&#x8D28;&#x8DEF;&#x7EBF;&#x4E2D;&#x6B8B;&#x7559;&#x7684;&#x95F4;&#x63A5;&#x534F;&#x540C;&#x8FDB;&#x5316;&#x3002;

Predicting protein structure from primary sequence is one of the ultimate challenges in computational biology. Given the large amount of available sequence data, the analysis of co-evolution, i.e., statistical dependency, between columns in multiple alignments of protein domain sequences remains one of the most promising avenues for predicting residues that are contacting in the structure. A key impediment to this approach is that strong statistical dependencies are also observed for many residue pairs that are distal in the structure. Using a comprehensive analysis of protein domains with available three-dimensional structures we show that co-evolving contacts very commonly form chains that percolate through the protein structure, inducing indirect statistical dependencies between many distal pairs of residues. We characterize the distributions of length and spatial distance traveled by these co-evolving contact chains and show that they explain a large fraction of observed statistical dependencies between structurally distal pairs. We adapt a recently developed Bayesian network model into a rigorous procedure for disentangling direct from indirect statistical dependencies, and we demonstrate that this method not only successfully accomplishes this task, but also allows contacts with weak statistical dependency to be detected. To illustrate how additional information can be incorporated into our method, we incorporate a phylogenetic correction, and we develop an informative prior that takes into account that the probability for a pair of residues to contact depends strongly on their primary-sequence distance and the amount of conservation that the corresponding columns in the multiple alignment exhibit. We show that our model including these extensions dramatically improves the accuracy of contact prediction from multiple sequence alignments.

Disentangling direct from indirect co-evolution of residues in protein alignments.

Pr&eacute;diction de structure prot&eacute;ique de la s&eacute;quence primaire est l&#39;un des d&eacute;fis ultimes en biologie computationnelle. &Eacute;tant donn&eacute; la grande quantit&eacute; de donn&eacute;es disponibles, l&#39;analyse de co-&eacute;volution, c&#39;est-&agrave;-dire, la d&eacute;pendance statistique, entre les colonnes dans les alignements multiples de s&eacute;quences de prot&eacute;ines domaine demeure l&#39;une des avenues plus prometteuses pour la pr&eacute;diction des r&eacute;sidus qui sont en contact avec la structure. Un obstacle cl&eacute; de cette approche est que les fortes d&eacute;pendances statistiques sont &eacute;galement observ&eacute;s pour plusieurs paires de r&eacute;sidus qui sont distales dans la structure. En utilisant une analyse exhaustive des domaines prot&eacute;iques avec des structures en trois dimensions disponibles nous montrons qu&#39;occultent les contacts tr&egrave;s couramment former des cha&icirc;nes qui passe de la structure de la prot&eacute;ine, induisant des d&eacute;pendances statistiques indirectes entre plusieurs paires distales des r&eacute;sidus. Nous caract&eacute;risons les distributions de longueur et de la distance spatiale parcourue par ces cha&icirc;nes contact co-&eacute;volution et le spectacle qu&#39;ils expliquent une grande partie des d&eacute;pendances de statistiques observ&eacute;es entre paires structurellement distales. Nous adaptons un mod&egrave;le de r&eacute;seau bay&eacute;sien r&eacute;cemment d&eacute;velopp&eacute; dans une proc&eacute;dure rigoureuse pour d&eacute;m&ecirc;ler directement de d&eacute;pendances statistiques indirectes, et nous avons d&eacute;montr&eacute; que cette m&eacute;thode non seulement avec succ&egrave;s accomplit cette t&acirc;che, mais permet aussi des contacts avec une d&eacute;pendance statistique faible pour &ecirc;tre d&eacute;tect&eacute;e. Pour illustrer comment des informations peuvent &ecirc;tre int&eacute;gr&eacute;es &agrave; notre m&eacute;thode, nous incorporons une correction phylog&eacute;n&eacute;tique et nous d&eacute;veloppons un priori informative qui tient compte du fait que la probabilit&eacute; pour une paire de r&eacute;sidus contact d&eacute;pend fortement de leur s&eacute;quence primaire distance et la quantit&eacute; de conservation qui pr&eacute;sentent des colonnes correspondantes dans l&#39;alignement multiple. Nous montrons que notre mod&egrave;le, y compris ces extensions consid&eacute;rablement am&eacute;liore la pr&eacute;cision de pr&eacute;diction contact d&#39;alignements multiples de s&eacute;quences.

D&eacute;m&ecirc;ler directement de co-&eacute;volution indirecte de r&eacute;sidus dans les alignements de prot&eacute;ine.

Vorhersage von Proteinstrukturen aus prim&auml;ren Sequenz ist eine ultimative Herausforderung im computational Biology. Angesichts der gro&szlig;en verf&uuml;gbar-Sequenzdaten, die Analyse der Koevolution, d. h., bleibt statistische Abh&auml;ngigkeit zwischen Spalten, die in mehreren Ausrichtungen von Proteinsequenzen Dom&auml;ne eines der vielversprechendsten Verfahrensweisen f&uuml;r die Vorhersage von R&uuml;ckst&auml;nden, die in der Struktur kontaktieren. Ein wichtiger Hindernis dabei ist, dass starke statistische Abh&auml;ngigkeiten auch f&uuml;r viele Paare der R&uuml;ckst&auml;nde beachtet werden, das distale in der Struktur sind. Mit eine umfassende Analyse der Protein-Gebiete mit verf&uuml;gbaren dreidimensionale Strukturen zeigen wir, dass co-evolving sehr h&auml;ufig Form Ketten Kontakte, die durch die Proteinstruktur versickern induzierende indirekte statistische Abh&auml;ngigkeiten zwischen viele distale Paare von R&uuml;ckst&auml;nden. Wir charakterisieren die Verteilungen von L&auml;nge und r&auml;umliche Entfernung, diese co-evolving Kontakt Ketten und zeigen, dass sie erkl&auml;ren, dass einen gro&szlig;en Teil der beobachteten statistischen Abh&auml;ngigkeiten zwischen strukturell distale Paare. Eine neu entwickelte Bayes-Netzwerkmodell passen wir in einem strengen Verfahren zur Faktoren direkt von indirekten statistischen Abh&auml;ngigkeiten zu entflechten und demonstrieren, dass diese Methode nicht nur erfolgreich diese Aufgabe erf&uuml;llt, sondern kann auch Kontakte mit schwachen statistische Abh&auml;ngigkeit erkannt werden. Zu zeigen, wie zus&auml;tzliche Informationen kann in unserer Methode integriert werden und wir &uuml;bernehmen eine phylogenetische Korrektur entwickeln wir eine informative vor, die ber&uuml;cksichtigt, dass die Wahrscheinlichkeit f&uuml;r ein paar R&uuml;ckst&auml;nde Kontakt stark h&auml;ngt ihrer prim&auml;ren-Sequenz-Entfernung und die H&ouml;he der Erhaltung, die die entsprechenden Spalten in die mehrere Ausrichtung aufweisen. Wir zeigen, dass unser Modell einschlie&szlig;lich diese Erweiterungen drastisch die Genauigkeit der Kontakt Vorhersage von multiplen Sequenzalignments verbessert.

Chinesische direkt von indirekten Co-Evolution von R&uuml;ckst&auml;nden in Protein-Ausrichtungen.

Predire la struttura delle proteine dalla sequenza principale &egrave; una delle sfide ultimate in biologia computazionale. Data la grande quantit&agrave; di dati di sequenza disponibili, l&#39;analisi della co-evoluzione, cio&egrave;, dipendenza statistica, tra colonne di allineamenti multipli di sequenze proteiche dominio rimane uno dei viali pi&ugrave; promettenti per la previsione di residui che sono contattando la struttura. Un impedimento chiave di questo approccio &egrave; che forti dipendenze statistiche si osservano anche per molte coppie di residui che sono distale nella struttura. Utilizzando un&#39;analisi completa dei domini della proteina con strutture tridimensionali disponibili vi mostriamo che co-evolving contatti molto comunemente catene di forma percolare attraverso la struttura delle proteine, inducendo dipendenze statistiche indirette tra molte coppie distale dei residui. Ci caratterizzano le distribuzioni di lunghezza e distanza spaziale percorsa da queste catene contattare co-evolving e visualizza che spiegano una grande frazione delle dipendenze statistiche osservate tra coppie strutturalmente distale. Ci adattiamo un modello di rete bayesiana recentemente sviluppato in una rigorosa procedura per districante diretta da dipendenze statistiche indirette, e dimostriamo che questo metodo non solo compie con successo questo compito, ma permette anche contatti con debole dipendenza statistica per essere rilevato. Per illustrare come ulteriori informazioni possono essere incorporati nel nostro metodo, incorporano una correzione filogenetica e sviluppiamo un preventivo informativo che prende in considerazione che la probabilit&agrave; per un paio di residui a contatto dipende fortemente loro distanza primaria-sequenza e la quantit&agrave; di conservazione che esibiscono le colonne corrispondenti nell&#39;allineamento multiple. Dimostriamo che il nostro modello tra cui queste estensioni drammaticamente migliora l&#39;accuratezza della previsione contatto da allineamenti multipli di sequenza.

Districante diretta da indiretta co-evoluzione dei residui negli allineamenti della proteina.

&#x30D7;&#x30E9;&#x30A4;&#x30DE;&#x30EA; &#x30B7;&#x30FC;&#x30B1;&#x30F3;&#x30B9;&#x304B;&#x3089;&#x30BF;&#x30F3;&#x30D1;&#x30AF;&#x8CEA;&#x7ACB;&#x4F53;&#x69CB;&#x9020;&#x4E88;&#x6E2C;&#x7A76;&#x6975;&#x306E;&#x8AB2;&#x984C;&#x306E; 1 &#x3064;&#x3067;&#x8A08;&#x7B97;&#x751F;&#x7269;&#x5B66;&#x3067;&#x3059;&#x3002;&#x5927;&#x91CF;&#x306E;&#x5229;&#x7528;&#x53EF;&#x80FD;&#x306A;&#x30B7;&#x30FC;&#x30B1;&#x30F3;&#x30B9; &#x30C7;&#x30FC;&#x30BF;&#x3001;&#x5206;&#x6790;&#x306E;&#x5171;&#x9032;&#x5316;&#x3001;&#x3059;&#x306A;&#x308F;&#x3061;&#x4E0E;&#x3048;&#x3001;&#x30C9;&#x30E1;&#x30A4;&#x30F3;&#x306E;&#x86CB;&#x767D;&#x8CEA;&#x914D;&#x5217;&#x306E;&#x591A;&#x91CD;&#x30A2;&#x30E9;&#x30A4;&#x30E1;&#x30F3;&#x30C8;&#x5185;&#x306E;&#x5217;&#x9593;&#x306E;&#x7D71;&#x8A08;&#x7684;&#x4F9D;&#x5B58;&#x69CB;&#x9020;&#x306B;&#x63A5;&#x89E6;&#x3057;&#x3066;&#x3044;&#x308B;&#x6B8B;&#x57FA;&#x4E88;&#x6E2C;&#x3059;&#x308B;&#x6700;&#x3082;&#x6709;&#x671B;&#x306A;&#x624B;&#x6BB5;&#x306E;&#x307E;&#x307E;&#x3067;&#x3059;&#x3002;&#x3053;&#x306E;&#x30A2;&#x30D7;&#x30ED;&#x30FC;&#x30C1;&#x3078;&#x306E;&#x30AD;&#x30FC;&#x306E;&#x969C;&#x5BB3;&#x306F;&#x3001;&#x5F37;&#x529B;&#x306A;&#x7D71;&#x8A08;&#x7684;&#x306A;&#x4F9D;&#x5B58;&#x95A2;&#x4FC2;&#x306F;&#x3001;&#x307E;&#x305F;&#x69CB;&#x9020;&#x306E;&#x9060;&#x4F4D;&#x306F;&#x591A;&#x304F;&#x306E;&#x6B8B;&#x57FA;&#x5BFE;&#x306E;&#x89B3;&#x5BDF;&#x3055;&#x308C;&#x307E;&#x3059;&#x3002;&#x5229;&#x7528;&#x53EF;&#x80FD;&#x306A;&#x4E09;&#x6B21;&#x5143;&#x69CB;&#x9020;&#x3092;&#x6301;&#x3064;&#x30BF;&#x30F3;&#x30D1;&#x30AF;&#x8CEA;&#x30C9;&#x30E1;&#x30A4;&#x30F3;&#x306E;&#x5305;&#x62EC;&#x7684;&#x306A;&#x5206;&#x6790;&#x3092;&#x4F7F;&#x7528;&#x3057;&#x3066;&#x79C1;&#x9054; co-evolving &#x30BF;&#x30F3;&#x30D1;&#x30AF;&#x8CEA;&#x306E;&#x69CB;&#x9020;&#x3092;&#x901A;&#x3063;&#x3066;&#x6D78;&#x900F;&#x30D5;&#x30A9;&#x30FC;&#x30E0; &#x30C1;&#x30A7;&#x30FC;&#x30F3;&#x975E;&#x5E38;&#x306B;&#x3088;&#x304F;&#x63A5;&#x89E6;&#x3057;&#x3066;&#x3044;&#x308B;&#x6B8B;&#x57FA;&#x306E;&#x591A;&#x304F;&#x306E;&#x9060;&#x4F4D;&#x306E;&#x30DA;&#x30A2;&#x9593;&#x306E;&#x9593;&#x63A5;&#x306E;&#x7D71;&#x8A08;&#x7684;&#x4F9D;&#x5B58;&#x95A2;&#x4FC2;&#x3092;&#x8A98;&#x767A;&#x3059;&#x308B;&#x793A;&#x3057;&#x307E;&#x3059;&#x3002;&#x9577;&#x3055;&#x3068;&#x3053;&#x308C;&#x3089;&#x632F;&#x308A;&#x8FD4;&#x3063;&#x3066;&#x9023;&#x7D61;&#x5148;&#x30C1;&#x30A7;&#x30FC;&#x30F3;&#x3068;&#x89B3;&#x6E2C;&#x306E;&#x7D71;&#x8A08;&#x7684;&#x4F9D;&#x5B58;&#x69CB;&#x9020;&#x7684;&#x306B;&#x9060;&#x4F4D;&#x306E;&#x30DA;&#x30A2;&#x9593;&#x306E;&#x5927;&#x90E8;&#x5206;&#x3092;&#x8AAC;&#x660E;&#x3059;&#x308B;&#x3053;&#x3068;&#x30B7;&#x30E7;&#x30FC;&#x306E;&#x7A7A;&#x9593;&#x8DDD;&#x96E2;&#x306E;&#x5206;&#x5E03;&#x3092;&#x7279;&#x5FB4;&#x4ED8;&#x3051;&#x307E;&#x3059;&#x3002;&#x9593;&#x63A5;&#x7684;&#x306A;&#x7D71;&#x8A08;&#x7684;&#x306A;&#x4F9D;&#x5B58;&#x95A2;&#x4FC2;&#x304B;&#x3089;&#x76F4;&#x63A5; disentangling &#x305F;&#x3081;&#x306E;&#x53B3;&#x683C;&#x306A;&#x624B;&#x7D9A;&#x304D;&#x306B;&#x6700;&#x8FD1;&#x958B;&#x767A;&#x3055;&#x308C;&#x305F;&#x30D9;&#x30A4;&#x30BA; &#x30CD;&#x30C3;&#x30C8;&#x30EF;&#x30FC;&#x30AF; &#x30E2;&#x30C7;&#x30EB;&#x3092;&#x9069;&#x5FDC;&#x3055;&#x305B;&#x308B;&#x3057;&#x3001;&#x79C1;&#x305F;&#x3061;&#x306F;&#x3053;&#x306E;&#x30E1;&#x30BD;&#x30C3;&#x30C9;&#x304C;&#x6B63;&#x5E38;&#x306B;&#x3053;&#x306E;&#x30BF;&#x30B9;&#x30AF;&#x3092;&#x5B9F;&#x884C;&#x3059;&#x308B;&#x3060;&#x3051;&#x3067;&#x306A;&#x304F;&#x9023;&#x7D61;&#x5148;&#x304C;&#x5F31;&#x3044;&#x306E;&#x7D71;&#x8A08;&#x7684;&#x4F9D;&#x5B58;&#x3092;&#x691C;&#x51FA;&#x3059;&#x308B;&#x3053;&#x3068;&#x3082;&#x3067;&#x304D;&#x308B;&#x3053;&#x3068;&#x3092;&#x793A;&#x3057;&#x307E;&#x3059;&#x3002;&#x8AAC;&#x660E;&#x3059;&#x308B;&#x305F;&#x3081;&#x306B;&#x3069;&#x306E;&#x3088;&#x3046;&#x306B;&#x8FFD;&#x52A0;&#x79C1;&#x305F;&#x3061;&#x306E;&#x30E1;&#x30BD;&#x30C3;&#x30C9;&#x306B;&#x60C5;&#x5831;&#x3092;&#x7D44;&#x307F;&#x8FBC;&#x3080;&#x3053;&#x3068;&#x304C;&#x3067;&#x304D;&#x307E;&#x3059;&#x3001;&#x7CFB;&#x7D71;&#x306E;&#x88DC;&#x6B63;&#x3092;&#x7D44;&#x307F;&#x8FBC;&#x3080;&#x3057;&#x3001;&#x6709;&#x76CA;&#x306A;&#x4E8B;&#x524D;&#x306E;&#x8003;&#x616E;&#x306E;&#x9023;&#x7D61;&#x3059;&#x308B;&#x6B8B;&#x57FA;&#x30DA;&#x30A2;&#x306E;&#x78BA;&#x7387;&#x3067;&#x306F;&#x3001;&#x30D7;&#x30E9;&#x30A4;&#x30DE;&#x30EA; &#x30B7;&#x30FC;&#x30B1;&#x30F3;&#x30B9;&#x8DDD;&#x96E2;&#x3068;&#x591A;&#x91CD;&#x30A2;&#x30E9;&#x30A4;&#x30E1;&#x30F3;&#x30C8;&#x306E;&#x5BFE;&#x5FDC;&#x3059;&#x308B;&#x5217;&#x3092;&#x793A;&#x3059;&#x4FDD;&#x5168;&#x306E;&#x91CF;&#x306B;&#x5F37;&#x304F;&#x4F9D;&#x5B58;&#x3059;&#x308B;&#x3053;&#x3068;&#x3092;&#x958B;&#x767A;&#x3002;&#x79C1;&#x9054;&#x306F;&#x5287;&#x7684;&#x306B;&#x3053;&#x308C;&#x3089;&#x306E;&#x62E1;&#x5F35;&#x6A5F;&#x80FD;&#x3092;&#x542B;&#x3080;&#x6211;&#x3005; &#x306E;&#x30E2;&#x30C7;&#x30EB;&#x306E;&#x591A;&#x91CD;&#x914D;&#x5217;&#x30A2;&#x30E9;&#x30A4;&#x30E1;&#x30F3;&#x30C8;&#x304B;&#x3089;&#x9023;&#x7D61;&#x5148;&#x306E;&#x4E88;&#x6E2C;&#x7CBE;&#x5EA6;&#x304C;&#x5411;&#x4E0A;&#x3059;&#x308B;&#x3053;&#x3068;&#x3092;&#x793A;&#x3057;&#x307E;&#x3059;&#x3002;

&#x6B8B;&#x57FA;&#x86CB;&#x767D;&#x8CEA;&#x306E;&#x7DDA;&#x5F62;&#x306E;&#x9593;&#x63A5;&#x5171;&#x9032;&#x5316;&#x304B;&#x3089;&#x76F4;&#x63A5;&#x3092; disentangling&#x3002;

&#xAE30;&#xBCF8; &#xC2DC;&#xD000;&#xC2A4; &#xB85C;&#xBD80;&#xD130; &#xB2E8;&#xBC31;&#xC9C8; &#xAD6C;&#xC870; &#xC608;&#xCE21; &#xC804;&#xC0B0; &#xC0DD;&#xBB3C;&#xD559;&#xC758; &#xAD81;&#xADF9;&#xC801;&#xC778; &#xACFC;&#xC81C; &#xC911; &#xD558;&#xB098;&#xC785;&#xB2C8;&#xB2E4;. &#xC989;, &#xC0AC;&#xC6A9;&#xD560; &#xC218; &#xC788;&#xB294; &#xC2DC;&#xD000;&#xC2A4; &#xB370;&#xC774;&#xD130;, &#xACF5; &#xC9C4;&#xD654;, &#xBD84;&#xC11D;&#xC758; &#xD070; &#xAE08;&#xC561;&#xC744; &#xAC10;&#xC548;&#xD560; &#xB54C;, &#xB2E8;&#xBC31;&#xC9C8; &#xB3C4;&#xBA54;&#xC778; &#xC2DC;&#xD000;&#xC2A4;&#xC758; &#xC5EC;&#xB7EC; &#xC815;&#xB82C;&#xC758; &#xC5F4; &#xC0AC;&#xC774; &#xD1B5;&#xACC4; &#xC885;&#xC18D;&#xC131; &#xAD6C;&#xC870;&#xC5D0; &#xC5F0;&#xB77D; &#xD558;&#xB294; &#xC794;&#xB958;&#xBB3C;&#xC744; &#xC608;&#xCE21;&#xC744; &#xC704;&#xD55C; &#xAC00;&#xC7A5; &#xC720;&#xB9DD;&#xD55C;&#xB3C4; &#xC911; &#xD558;&#xB098;&#xC5D0; &#xB0A8;&#xC544; &#xC788;&#xB2E4;. &#xC774; &#xBC29;&#xBC95; &#xC8FC;&#xC694; &#xC7A5;&#xC560;&#xBB3C;&#xC774; &#xAC15;&#xB825;&#xD55C; &#xD1B5;&#xACC4; &#xC885;&#xC18D;&#xC131;&#xC740; &#xB610;&#xD55C; &#xC6D0;&#xC2EC; &#xAD6C;&#xC870;&#xC5D0; &#xB9CE;&#xC740; &#xCC0C; &#xAEBC; &#xAE30; &#xC30D;&#xC5D0; &#xB300; &#xD55C; &#xAD00;&#xCC30; &#xC774;&#xB2E4;. &#xC0AC;&#xC6A9;&#xD560; &#xC218; &#xC788;&#xB294; 3 &#xCC28;&#xC6D0; &#xAD6C;&#xC870;&#xB97C; &#xAC00;&#xC9C4; &#xB2E8;&#xBC31;&#xC9C8; &#xB3C4;&#xBA54;&#xC778;&#xC758; &#xD3EC;&#xAD04;&#xC801;&#xC778; &#xBD84;&#xC11D;&#xC744; &#xC0AC;&#xC6A9; &#xD558; &#xC5EC; &#xC6B0;&#xB9AC;&#xAC00; &#xBCF4;&#xC5EC; co-evolving &#xC5F0;&#xB77D;&#xCC98; &#xB9E4;&#xC6B0; &#xC77C;&#xBC18;&#xC801;&#xC73C;&#xB85C; &#xB2E8;&#xBC31;&#xC9C8; &#xAD6C;&#xC870;&#xB97C; &#xD1B5;&#xD574; &#xC5EC;&#xACFC; &#xD3FC; &#xCCB4;&#xC778; &#xC794;&#xB958;&#xBB3C;&#xC758; &#xB9CE;&#xC740; &#xC6D0;&#xC2EC; &#xC30D; &#xAC04;&#xC758; &#xAC04;&#xC811; &#xD1B5;&#xACC4; &#xC885;&#xC18D;&#xC131;&#xC744; &#xC720;&#xB3C4;. &#xC6B0;&#xB9AC;&#xB294; &#xAE38;&#xC774; &#xC774;&#xB7EC;&#xD55C; &#xB418;&#xB3CC;&#xC544;&#xBCF4;&#xBA74; &#xC5F0;&#xB77D;&#xCC98; &#xCCB4;&#xC778;&#xACFC; &#xC1FC; &#xADF8;&#xB4E4;&#xC740; &#xAD6C;&#xC870;&#xC801;&#xC73C;&#xB85C; &#xC6D0;&#xC2EC; &#xC30D; &#xAC04;&#xC758; &#xAD00;&#xCC30; &#xB41C; &#xD1B5;&#xACC4; &#xC885;&#xC18D;&#xC131;&#xC758; &#xD070; &#xBD84;&#xC218;&#xB97C; &#xC124;&#xBA85; &#xD558; &#xC5EC; &#xC8FC;&#xD589; &#xD558;&#xB294; &#xACF5;&#xAC04;&#xC801; &#xAC70;&#xB9AC;&#xC758; &#xBD84;&#xD3EC; &#xD2B9;&#xC9D5;. &#xC6B0;&#xB9AC; disentangling &#xC9C1;&#xC811;&#xC5D0;&#xC11C; &#xAC04;&#xC811; &#xD1B5;&#xACC4; &#xC885;&#xC18D;&#xC131;&#xC5D0; &#xB300; &#xD55C; &#xC5C4;&#xACA9;&#xD55C; &#xC808;&#xCC28;&#xC5D0; &#xCD5C;&#xADFC;&#xC5D0; &#xAC1C;&#xBC1C; &#xB41C; &#xBCA0;&#xC774;&#xC9C0;&#xC548; &#xB124;&#xD2B8;&#xC6CC;&#xD06C; &#xBAA8;&#xB378;&#xC744; &#xC801;&#xC751; &#xD558; &#xACE0;&#xC774; &#xBC29;&#xBC95; &#xBFD0;&#xB9CC; &#xC544;&#xB2C8;&#xB77C; &#xC131;&#xACF5;&#xC801;&#xC73C;&#xB85C;&#xC774; &#xC791;&#xC5C5;&#xC744; &#xC218;&#xD589; &#xD558;&#xC9C0;&#xB9CC; &#xB610;&#xD55C; &#xC57D;&#xD55C; &#xD1B5;&#xACC4; &#xC885;&#xC18D;&#xC131;&#xC744; &#xAC80;&#xC0C9;&#xD560; &#xC218; &#xC788;&#xB294; &#xC5F0;&#xB77D;&#xCC98; &#xC218; &#xC788;&#xC2B5;&#xB2C8;&#xB2E4; &#xBCF4;&#xC5EC; &#xC90D;&#xB2C8;&#xB2E4;. &#xC124;&#xBA85; &#xD558;&#xAE30; &#xC704;&#xD574; &#xC6B0;&#xB9AC;&#xC758; &#xBC29;&#xBC95;&#xC5D0; &#xC815;&#xBCF4;&#xB97C; &#xD1B5;&#xD569;&#xD560; &#xC218; &#xC788;&#xC2B5;&#xB2C8;&#xB2E4; &#xC6B0;&#xB9AC;&#xAC00; phylogenetic &#xBCF4;&#xC815;&#xC744; &#xD1B5;&#xD569; &#xD558; &#xACE0; &#xC5F0;&#xACB0;&#xD560; &#xC794;&#xB958;&#xBB3C;&#xC758; &#xC30D;&#xC5D0; &#xB300; &#xD55C; &#xD655;&#xB960; &#xAC15;&#xB825; &#xD558; &#xAC8C; &#xADF8;&#xB4E4;&#xC758; &#xAE30;&#xBCF8; &#xC2DC;&#xD000;&#xC2A4; &#xAC70;&#xB9AC;&#xC640; &#xB2E4;&#xC911; &#xC815;&#xB82C;&#xC758; &#xD574;&#xB2F9; &#xC5F4;&#xC744; &#xC804;&#xC2DC; &#xBCF4;&#xC874;&#xC758; &#xAE08;&#xC561;&#xC5D0; &#xB530;&#xB77C; &#xACE0;&#xB824; &#xD558;&#xB294; &#xC720;&#xC775;&#xD55C; &#xC0AC;&#xC804; &#xAC1C;&#xBC1C; &#xBC29;&#xBC95;&#xC744; &#xCD94;&#xAC00; &#xD569;&#xB2C8;&#xB2E4;. &#xC6B0;&#xB9AC;&#xB294; &#xADF9;&#xC801;&#xC73C;&#xB85C; &#xC774;&#xB7EC;&#xD55C; &#xD655;&#xC7A5;&#xC744; &#xD3EC;&#xD568; &#xD558; &#xC5EC; &#xC6B0;&#xB9AC;&#xC758; &#xBAA8;&#xB378;&#xC5D0;&#xC11C; &#xC5EC;&#xB7EC; &#xC2DC;&#xD000;&#xC2A4; &#xC815;&#xB82C; &#xC5F0;&#xB77D;&#xCC98; &#xC608;&#xCE21;&#xC758; &#xC815;&#xD655;&#xB3C4; &#xD5A5;&#xC0C1;&#xC744; &#xBCF4;&#xC5EC;&#xC90D;&#xB2C8;&#xB2E4;.

&#xB2E8;&#xBC31;&#xC9C8; &#xC815;&#xB82C;&#xC5D0; &#xC794;&#xB958;&#xBB3C;&#xC758; &#xAC04;&#xC811; &#xACF5; &#xC9C4;&#xD654;&#xC5D0;&#xC11C; &#xC9C1;&#xC811; disentangling.

Predecir la estructura de la prote&iacute;na de la secuencia primaria es uno de los retos m&aacute;s en biolog&iacute;a computacional. Dada la gran cantidad de datos disponibles de la secuencia, el an&aacute;lisis de coevoluci&oacute;n, es decir, dependencia estad&iacute;stica, entre columnas en los alineamientos m&uacute;ltiples de secuencias de prote&iacute;nas dominio sigue siendo una de las avenidas m&aacute;s prometedores para la predicci&oacute;n de residuos que est&aacute;n en contacto con en la estructura. Un obst&aacute;culo clave para este enfoque es que tambi&eacute;n se observan fuertes dependencias estad&iacute;sticas para muchos pares de residuos que son distales en la estructura. Mediante un an&aacute;lisis exhaustivo de dominios proteicos con estructuras tridimensionales disponibles mostramos que coevolucione contacto muy com&uacute;nmente con las cadenas de la forma que filtrarse a trav&eacute;s de la estructura de la prote&iacute;na, induciendo dependencias estad&iacute;sticas indirectas entre muchos pares distales de residuos. Caracterizamos las distribuciones de longitud y distancia espacial que viaj&oacute; por estas cadenas de contactos co-evoluciona y mostrar que explican gran parte de las dependencias estad&iacute;sticas observadas entre pares estructuralmente distales. Nos adaptamos a un modelo de red bayesiana recientemente desarrollado en un procedimiento riguroso para desenmara&ntilde;ar directo de dependencias estad&iacute;sticas indirectas, y demostramos que este m&eacute;todo no s&oacute;lo logra con &eacute;xito esta tarea, sino que tambi&eacute;n permite contactos con dependencia estad&iacute;stica d&eacute;bil para ser detectado. Para ilustrar c&oacute;mo adicional informaci&oacute;n puede ser incorporado en nuestro m&eacute;todo, incorporamos una correcci&oacute;n filogen&eacute;tica y desarrollamos un informativo antes de que tenga en cuenta que la probabilidad de que un par de residuos en contacto con depende fuertemente de su distancia de la secuencia primaria y la cantidad de conservaci&oacute;n que exhiben las columnas correspondientes en la alineaci&oacute;n m&uacute;ltiple. Demostramos que nuestro modelo incluyendo estas extensiones dram&aacute;ticamente mejora la precisi&oacute;n de contacto predicci&oacute;n de alineaciones m&uacute;ltiples de la secuencia.

Desenredante directo de coevoluci&oacute;n indirecto de residuos en los alineamientos de prote&iacute;na.

RNA &#x8A8A;&#x672C;&#x662F;&#x8F6C;&#x5F55;&#x540E;&#x57FA;&#x56E0;&#x76D1;&#x7BA1;&#x6D89;&#x53CA;&#x6570;&#x4EE5;&#x767E;&#x8BA1;&#x7684; RNA &#x7ED3;&#x5408;&#x86CB;&#x767D; (&#x9650;&#x5236;&#x6027;&#x5546;&#x4E1A;&#x60EF;&#x4F8B;) &#x548C;&#x542B;&#x6709; microRNA &#x7684;&#x6838;&#x7CD6;&#x6838;&#x86CB;&#x767D;&#x590D;&#x5408;&#x7269; (miRNPs) &#x8868;&#x793A;&#x5355;&#x5143;&#x683C;&#x7C7B;&#x578B;&#x7684;&#x4F9D;&#x8D56;&#x65B9;&#x5F0F;&#x3002;&#x6211;&#x4EEC;&#x5F00;&#x53D1;&#x7684;&#x57FA;&#x4E8E;&#x5355;&#x5143;&#x683C;&#x7684;&#x4EA4;&#x8054;&#x65B9;&#x6CD5;&#x6765;&#x786E;&#x5B9A;&#x5728;&#x9AD8;&#x5206;&#x8FA8;&#x7387;&#x548C;&#x8F6C;&#x5F55;&#x7EC4;&#x5168;&#x7EC6;&#x80DE;&#x7684;&#x9650;&#x5236;&#x6027;&#x5546;&#x4E1A;&#x60EF;&#x4F8B;&#x548C; miRNPs &#x7684;&#x7ED3;&#x5408;&#x70B9;&#x3002;&#x4EA4;&#x8054;&#x7AD9;&#x70B9;&#x4E2D;&#x7F16;&#x5199;&#x4ECE; immunopurified RNPs 4 thiouridine &#x6CBB;&#x7597;&#x7EC6;&#x80DE;&#x6269;&#x589E;&#x80DE;&#x82F7;&#x8FC7;&#x6E21;&#x5230;&#x80F8;&#x82F7;&#x6240;&#x53D1;&#x73B0;&#x3002;&#x6211;&#x4EEC;&#x51E0;&#x4E2A;&#x7684;&#x5BC6;&#x96C6;&#x7814;&#x7A76;&#x7684;&#x9650;&#x5236;&#x6027;&#x5546;&#x4E1A;&#x60EF;&#x4F8B;&#x548C; miRNPs&#xFF0C;&#x5305;&#x62EC; PUM2&#x3001; QKI&#x3001; IGF2BP1 3&#x3001; &#x6208;/EIF2C1-4 &#x548C; TNRC6A C.&#x786E;&#x5B9A;&#x7684;&#x7ED3;&#x5408;&#x4F4D;&#x70B9;&#x548C;&#x89C4;&#x7BA1;&#x7684;&#x540E;&#x679C;&#x6211;&#x4EEC;&#x7684;&#x7814;&#x7A76;&#x663E;&#x793A;&#x8FD9;&#x4E9B;&#x56E0;&#x7D20;&#x7ED1;&#x5B9A;&#x6210;&#x5343;&#x4E0A;&#x4E07;&#x7684;&#x7AD9;&#x70B9;&#x5305;&#x542B;&#x5B9A;&#x4E49;&#x7684;&#x5E8F;&#x5217;&#x56FE;&#x6848;&#x4E3A; exonic &#x4E0E;&#x5185;&#x542B;&#x5B50;&#x6216;&#x7F16;&#x7801;&#x4E0E;&#x7FFB;&#x8BD1;&#x6709;&#x4E0D;&#x540C;&#x559C;&#x597D;&#x8C08;&#x8BDD;&#x5185;&#x5BB9;&#x533A;&#x57DF;&#x3002;&#x8DE8;&#x8F6C;&#x5F55;&#x8FC7;&#x7A0B;&#x7ED3;&#x5408;&#x4F4D;&#x70B9;&#x7684;&#x7CBE;&#x786E;&#x6620;&#x5C04;&#x5C06;&#x8FC5;&#x901F;&#x65B0;&#x5174;&#x6570;&#x636E;&#x4E4B;&#x95F4;&#x7684;&#x4E2A;&#x4EBA;&#x548C;&#x8FD9;&#x4E9B;&#x53D8;&#x5316;&#x5982;&#x4F55;&#x8D21;&#x732E;&#x590D;&#x6742;&#x9057;&#x4F20;&#x75BE;&#x75C5;&#x7684;&#x9057;&#x4F20;&#x53D8;&#x5F02;&#x7684;&#x89E3;&#x91CA;&#x7684;&#x5173;&#x952E;&#x3002;

&#x8F6C;&#x5F55;&#x8FC7;&#x7A0B;&#x5168;&#x7531; PAR &#x526A;&#x8F91; RNA &#x7ED3;&#x5408;&#x86CB;&#x767D;&#x548C; microRNA &#x76EE;&#x6807;&#x7AD9;&#x70B9;&#x7684;&#x6807;&#x8BC6;&#x3002;

RNA transcripts are subject to posttranscriptional gene regulation involving hundreds of RNA-binding proteins (RBPs) and microRNA-containing ribonucleoprotein complexes (miRNPs) expressed in a cell-type dependent fashion. We developed a cell-based crosslinking approach to determine at high resolution and transcriptome-wide the binding sites of cellular RBPs and miRNPs. The crosslinked sites are revealed by thymidine to cytidine transitions in the cDNAs prepared from immunopurified RNPs of 4-thiouridine-treated cells. We determined the binding sites and regulatory consequences for several intensely studied RBPs and miRNPs, including PUM2, QKI, IGF2BP1-3, AGO/EIF2C1-4 and TNRC6A-C. Our study revealed that these factors bind thousands of sites containing defined sequence motifs and have distinct preferences for exonic versus intronic or coding versus untranslated transcript regions. The precise mapping of binding sites across the transcriptome will be critical to the interpretation of the rapidly emerging data on genetic variation between individuals and how these variations contribute to complex genetic diseases.

Transcriptome-wide identification of RNA-binding protein and microRNA target sites by PAR-CLIP.

Transcrits d&#x26;#39;ARN sont soumis &#xE0; la r&#xE9;gulation des g&#xE8;nes post-transcriptionnelle impliquant des centaines de prot&#xE9;ines liant l&#x26;#39;ARN (pratiques commerciales restrictives) et des complexes ribonucl&#xE9;oprot&#xE9;iques microARN contenant (miRNPs) exprim&#xE9;es de fa&#xE7;on d&#xE9;pendante du type cellulaire. Nous avons d&#xE9;velopp&#xE9; une approche de r&#xE9;ticulation &#xE0; base de cellules pour d&#xE9;terminer &#xE0; haute r&#xE9;solution et du transcriptome &#xE0; l&#x26;#39;&#xE9;chelle des sites de liaison des pratiques commerciales restrictives cellulaires et miRNPs. Les sites r&#xE9;ticul&#xE9;s sont r&#xE9;v&#xE9;l&#xE9;es par la thymidine &#xE0; des transitions cytidine dans les ADNc pr&#xE9;par&#xE9;s &#xE0; partir de immunopurifi&#xE9; RNP de la 4-thiouridine cellules trait&#xE9;es. Nous avons d&#xE9;termin&#xE9; les sites de liaison et les cons&#xE9;quences r&#xE9;glementaires de plusieurs pratiques commerciales restrictives intens&#xE9;ment &#xE9;tudi&#xE9;es et miRNPs, y compris PUM2, QKI, IGF2BP1-3, AGO/EIF2C1-4 et TNRC6A-C. Notre &#xE9;tude a r&#xE9;v&#xE9;l&#xE9; que ces facteurs se lient des milliers de sites contenant des motifs de s&#xE9;quence d&#xE9;finis et ont des pr&#xE9;f&#xE9;rences distinctes pour exonique contre intronique ou de codage par rapport &#xE0; des r&#xE9;gions non traduites transcription. La cartographie pr&#xE9;cise des sites de liaison &#xE0; travers le transcriptome sera cruciale pour l&#x26;#39;interpr&#xE9;tation des donn&#xE9;es se font jour rapidement sur la variation g&#xE9;n&#xE9;tique entre les individus et la fa&#xE7;on dont ces variations contribuent &#xE0; des maladies g&#xE9;n&#xE9;tiques complexes.

Transcriptome &#xE0; l&#x26;#39;&#xE9;chelle d&#x26;#39;identification de l&#x26;#39;ARN-binding protein et sites cibles microARN par PAR-CLIP

RNA-Transkripte unterliegen Posttranscriptionale Genregulation bei denen hunderte von RNA-bindende Proteine (RBPs) und MicroRNA-haltigen-Gebiets-komplexe (MiRNPs) in einer Art von Zelle abh&auml;ngigen Weise ausgedr&uuml;ckt. Wir entwickelten einen zellbasierte vernetzender Ansatz um die Bindungsstellen der zellul&auml;ren RBPs und MiRNPs bei hoher Aufl&ouml;sung und Transkriptom-weite zu bestimmen. Die vernetzte Standorte sind durch Thymidin zu Cytidin &Uuml;berg&auml;nge in die cDNAs aus Immunopurified RNPs 4-Thiouridine-behandelte Zellen vorbereitet offenbart. Wir entschlossen die Bindungsstellen und regulatorische Konsequenzen f&uuml;r mehrere intensiv studierte RBPs und MiRNPs, einschlie&szlig;lich PUM2, QKI, IGF2BP1-3, her/EIF2C1-4 und TNRC6A-C. Unsere Studie ergab, dass diese Faktoren binden Tausende von Seiten mit definierten Sequenz Motive und unterschiedliche Vorlieben haben f&uuml;r exonic versus verband intronic oder Codierung gegen&uuml;ber nicht &uuml;bersetzte Abschrift Regionen. Die genaue Zuordnung der Bindung von Websites &uuml;ber das Transkriptom ist entscheidend, um die Interpretation der sich schnell verbreitende Daten auf genetische Variation zwischen Individuen und wie diese Variationen zu komplexen genetischen Erkrankungen beitragen.

Transkriptom-weite Identifikation von RNS-bindene Protein und MicroRNA Ziel-Sites von PAR-CLIP.

Trascrizioni di RNA sono soggetti a regolazione genica posttranscriptional coinvolgendo centinaia di RNA-binding proteins (RBPs) e microRNA contenenti complessi ribonucleoproteina (miRNPs) espressi in modo dipendente dal tipo di cellula. Abbiamo sviluppato un approccio basato sulle celle reticolazione per determinare a livello transcriptome e ad alta risoluzione i siti di legame di RBPs cellulare e miRNPs. I siti di reticolati sono rivelati da timidina a transizioni citidina in cDNAs preparato da immunopurified RNPs di cellule 4-thiouridine-trattati. Abbiamo determinato i siti di legame e conseguenze normative per diversi RBPs intensamente studiato e miRNPs, tra cui PUM2, QKI, IGF2BP1-3, 4-fa/EIF2C1 e TNRC6A-C. Il nostro studio &egrave; emerso che questi fattori legano migliaia di siti che contengono motivi di sequenza definita e hanno preferenze distinte per untranslated esonico versus intronic o codifica versus regioni di trascrizione. La precisa mappatura dei siti di legame attraverso il trascrittoma sar&agrave; fondamentale per l&#39;interpretazione dei dati rapidamente emergenti sulla variazione genetica tra individui e come tali variazioni contribuiscono a malattie genetiche complesse.

Transcriptome identificazione dei siti di RNA-binding protein e microRNA bersaglio da PAR-CLIP.

RNA&#x8EE2;&#x5199;&#x7523;&#x7269;&#x306F;&#x3001;RNA&#x7D50;&#x5408;&#x30BF;&#x30F3;&#x30D1;&#x30AF;&#x8CEA;&#xFF08;RBP&#xFF09;&#x3068;&#x30DE;&#x30A4;&#x30AF;&#x30ED;RNA&#x3092;&#x542B;&#x3080;&#x7D30;&#x80DE;&#x578B;&#x306B;&#x4F9D;&#x5B58;&#x3059;&#x308B;&#x5F62;&#x3067;&#x8868;&#x3055;&#x308C;&#x308B;&#x30EA;&#x30DC;&#x6838;&#x30BF;&#x30F3;&#x30D1;&#x30AF;&#x8CEA;&#x8907;&#x5408;&#x4F53;&#xFF08;miRNPs&#xFF09;&#x6570;&#x767E;&#x4EBA;&#x3092;&#x542B;&#x3080;&#x8EE2;&#x5199;&#x5F8C;&#x306E;&#x907A;&#x4F1D;&#x5B50;&#x767A;&#x73FE;&#x5236;&#x5FA1;&#x306E;&#x5BFE;&#x8C61;&#x3068;&#x306A;&#x308A;&#x307E;&#x3059;&#x3002;&#x6211;&#x3005;&#x306F;&#x3001;&#x9AD8;&#x89E3;&#x50CF;&#x5EA6;&#x3084;&#x643A;&#x5E2F;RBPs&#x3068;miRNPs&#x306E;&#x30C8;&#x30E9;&#x30F3;&#x30B9;&#x30AF;&#x30EA;&#x30D7;&#x30C8;&#x30FC;&#x30E0;&#x5168;&#x4F53;&#x306E;&#x7D50;&#x5408;&#x90E8;&#x4F4D;&#x3067;&#x6C7A;&#x5B9A;&#x3059;&#x308B;&#x305F;&#x3081;&#x306B;&#x3001;&#x30BB;&#x30EB;&#x30D9;&#x30FC;&#x30B9;&#x306E;&#x200B;&#x200B;&#x67B6;&#x6A4B;&#x30A2;&#x30D7;&#x30ED;&#x30FC;&#x30C1;&#x3092;&#x958B;&#x767A;&#x3057;&#x307E;&#x3057;&#x305F;&#x3002;&#x67B6;&#x6A4B;&#x90E8;&#x4F4D;&#x306F;&#x3001;4  - &#x30C1;&#x30AA;&#x30A6;&#x30EA;&#x30B8;&#x30F3;&#x51E6;&#x7406;&#x3057;&#x305F;&#x7D30;&#x80DE;&#x306E;RNP&#x306F;&#x3092;&#x514D;&#x75AB;&#x7CBE;&#x88FD;&#x304B;&#x3089;&#x8ABF;&#x88FD;&#x3057;&#x305F;cDNA&#x3067;&#x30B7;&#x30C1;&#x30B8;&#x30F3;&#x9077;&#x79FB;&#x306B;&#x30C1;&#x30DF;&#x30B8;&#x30F3;&#x306B;&#x3088;&#x3063;&#x3066;&#x660E;&#x3089;&#x304B;&#x306B;&#x3055;&#x308C;&#x3066;&#x3044;&#x307E;&#x3059;&#x3002;&#x6211;&#x3005;&#x306F;PUM2&#x3001;QKI&#x3001;IGF2BP1-3&#x3001;AGO/EIF2C1-4&#x3068;TNRC6A-C&#x3092;&#x542B;&#x3080;&#x3044;&#x304F;&#x3064;&#x304B;&#x306E;&#x71B1;&#x5FC3;&#x306B;&#x7814;&#x7A76;RBPs&#x3068;miRNPs&#x306E;&#x7D50;&#x5408;&#x90E8;&#x4F4D;&#x304A;&#x3088;&#x3073;&#x898F;&#x5236;&#x306E;&#x5F71;&#x97FF;&#x3092;&#x6C7A;&#x5B9A;&#x3057;&#x305F;&#x3002;&#x6211;&#x3005;&#x306E;&#x7814;&#x7A76;&#x306F;&#x3001;&#x3053;&#x308C;&#x3089;&#x306E;&#x8981;&#x56E0;&#x304C;&#x5B9A;&#x7FA9;&#x3055;&#x308C;&#x305F;&#x914D;&#x5217;&#x30E2;&#x30C1;&#x30FC;&#x30D5;&#x3092;&#x542B;&#x3080;&#x4F55;&#x5343;&#x3082;&#x306E;&#x30B5;&#x30A4;&#x30C8;&#x306B;&#x7D50;&#x5408;&#x3057;&#x3001;&#x30A8;&#x30AF;&#x30BD;&#x30F3;&#x5BFE;&#x30A4;&#x30F3;&#x30C8;&#x30ED;&#x30F3;&#x307E;&#x305F;&#x306F;&#x975E;&#x7FFB;&#x8A33;&#x8EE2;&#x5199;&#x9818;&#x57DF;&#x5BFE;&#x30B3;&#x30FC;&#x30C7;&#x30A3;&#x30F3;&#x30B0;&#x7570;&#x306A;&#x308B;&#x55DC;&#x597D;&#x3092;&#x6301;&#x3063;&#x3066;&#x3044;&#x308B;&#x3053;&#x3068;&#x3092;&#x660E;&#x3089;&#x304B;&#x306B;&#x3057;&#x305F;&#x3002;&#x30C8;&#x30E9;&#x30F3;&#x30B9;&#x30AF;&#x30EA;&#x30D7;&#x30C8;&#x30FC;&#x30E0;&#x9593;&#x306E;&#x7D50;&#x5408;&#x90E8;&#x4F4D;&#x306E;&#x6B63;&#x78BA;&#x306A;&#x30DE;&#x30C3;&#x30D4;&#x30F3;&#x30B0;&#x306F;&#x3001;&#x500B;&#x4EBA;&#x3068;&#x3069;&#x306E;&#x3088;&#x3046;&#x306B;&#x3053;&#x308C;&#x3089;&#x306E;&#x5909;&#x52D5;&#x306F;&#x8907;&#x96D1;&#x306A;&#x907A;&#x4F1D;&#x6027;&#x75BE;&#x60A3;&#x3078;&#x306E;&#x8CA2;&#x732E;&#x306E;&#x9593;&#x306E;&#x907A;&#x4F1D;&#x7684;&#x5909;&#x7570;&#x306B;&#x6025;&#x901F;&#x306B;&#x65B0;&#x8208;&#x306E;&#x30C7;&#x30FC;&#x30BF;&#x306E;&#x89E3;&#x91C8;&#x306B;&#x91CD;&#x8981;&#x3067;&#x3042;&#x308B;&#x3002;

PAR-CLIP&#x306B;&#x3088;&#x308B;RNA&#x7D50;&#x5408;&#x30BF;&#x30F3;&#x30D1;&#x30AF;&#x8CEA;&#x3068;microRNA&#x306E;&#x30BF;&#x30FC;&#x30B2;&#x30C3;&#x30C8;&#x30B5;&#x30A4;&#x30C8;&#x306E;&#x30C8;&#x30E9;&#x30F3;&#x30B9;&#x30AF;&#x30EA;&#x30D7;&#x30C8;&#x30FC;&#x30E0;&#x5168;&#x4F53;&#x306E;&#x8B58;&#x5225;

RNA &#xC0AC;&#xBCF8;&#xC744; RNA &#xC758;&#xBB34;&#xC801;&#xC778; &#xB2E8;&#xBC31;&#xC9C8; (RBPs)&#xC640; microRNA &#xD3EC;&#xD568; &#xB41C; &#xC218;&#xBC31; &#xAD00;&#xB828; &#xB41C; posttranscriptional &#xC720;&#xC804;&#xC790; &#xC870;&#xC808; &#xB420; &#xC218; &#xC788;&#xC2B5;&#xB2C8;&#xB2E4; ribonucleoprotein &#xBCF5;&#xD569;&#xBB3C; (miRNPs) &#xC140; &#xD0C0;&#xC785; &#xC885;&#xC18D; &#xD328;&#xC158;&#xC5D0; &#xD45C;&#xD604; &#xB41C;. &#xC6B0;&#xB9AC; &#xC140;&#xB8F0;&#xB7EC; RBPs &#xBC0F; Mirnps&#xC758; &#xBC14;&#xC778;&#xB529; &#xC0AC;&#xC774;&#xD2B8; &#xB192;&#xC740; &#xD574;&#xC0C1;&#xB3C4; transcriptome &#xC218;&#xC900;&#xC5D0;&#xC11C; &#xACB0;&#xC815; &#xAC00;&#xAD50; &#xC140; &#xAE30;&#xBC18; &#xC811;&#xADFC; &#xBC29;&#xC2DD;&#xC744; &#xAC1C;&#xBC1C;. Crosslinked &#xC0AC;&#xC774;&#xD2B8; &#xD2F0; &#xBBF8; &#xB518; immunopurified 4 thiouridine &#xCE58;&#xB8CC; &#xC138;&#xD3EC;&#xC758; Rnps&#xC5D0;&#xC11C;&#xC5D0;&#xC11C; &#xC900;&#xBE44; &#xB41C; Cdnas&#xC5D0; cytidine &#xC804;&#xD658;&#xC5D0; &#xC758;&#xD574; &#xACF5;&#xAC1C; &#xB429;&#xB2C8;&#xB2E4;. &#xC6B0;&#xB9AC;&#xB294; &#xC2EC;&#xAC01; &#xD558; &#xAC8C; &#xACF5;&#xBD80;&#xC640; miRNPs, PUM2, QKI, IGF2BP1 3, &#xC804;/EIF2C1-4&#xC640; TNRC6A C&#xB97C; &#xD3EC;&#xD568; &#xD558; &#xC5EC; &#xC5EC;&#xB7EC; RBPs &#xBC14;&#xC778;&#xB529; &#xC0AC;&#xC774;&#xD2B8; &#xBC0F; &#xADDC;&#xC81C; &#xACB0;&#xACFC; &#xACB0;&#xC815; &#xC6B0;&#xB9AC;&#xC758; &#xC5F0;&#xAD6C; &#xACB0;&#xACFC; &#xBC1D;&#xD600; &#xC774;&#xB7EC;&#xD55C; &#xC694;&#xC18C; &#xC21C;&#xC11C; &#xB300;&#xB85C; &#xBAA8;&#xD2F0;&#xD504;&#xB97C; &#xD3EC;&#xD568; &#xD558;&#xB294; &#xC0AC;&#xC774;&#xD2B8;&#xC758; &#xC218;&#xCC9C; &#xBC14;&#xC778;&#xB529;&#xD558;&#xACE0;, intronic &#xB610;&#xB294; &#xCF54;&#xB529; &#xB300; &#xB300; exonic untranslated&#xC5D0; &#xB300; &#xD55C; &#xBA85;&#xBC31;&#xD55C; &#xD2B9;&#xD61C;&#xAC00; &#xC788;&#xB2E4; &#xB300; &#xBCF8; &#xC601;&#xC5ED;. Transcriptome &#xAC78;&#xCCD0; &#xC0AC;&#xC774;&#xD2B8; &#xBC14;&#xC778;&#xB529; &#xC815;&#xD655;&#xD55C; &#xB9E4;&#xD551; &#xAC1C;&#xC778;&#xACFC;&#xC774; &#xBCC0;&#xC774; &#xBCF5;&#xC7A1; &#xD55C; &#xC720;&#xC804;&#xC790; &#xC9C8;&#xD658;&#xC5D0; &#xAE30;&#xC5EC; &#xD558;&#xB294; &#xBC29;&#xBC95; &#xC0AC;&#xC774;&#xC758; &#xC720;&#xC804; &#xBCC0;&#xC774;&#xC5D0; &#xAE09;&#xC18D; &#xD558; &#xAC8C; &#xC2E0;&#xD765; &#xB370;&#xC774;&#xD130;&#xC758; &#xD574;&#xC11D;&#xC5D0; &#xC911;&#xC694; &#xD55C; &#xAC83;&#xC785;&#xB2C8;&#xB2E4;.

Transcriptome &#xC218;&#xC900; &#xC2DD;&#xBCC4; &#xD30C; &#xD074;&#xB9BD;&#xC5D0; &#xC758;&#xD574; RNA &#xBC14;&#xC778;&#xB529; &#xB2E8;&#xBC31;&#xC9C8;&#xACFC; microRNA &#xB300;&#xC0C1; &#xC0AC;&#xC774;&#xD2B8;&#xC758;.

Las transcripciones de ARN est&#xE1;n sujetos a la regulaci&#xF3;n de genes postranscripcional que participaron cientos de ARN-prote&#xED;nas de uni&#xF3;n a las pr&#xE1;cticas comerciales restrictivas () y que contienen complejos de microARN-ribonucleoprote&#xED;na (miRNPs) expresados &#x200B;&#x200B;en forma de c&#xE9;lulas de tipo dependiente. Hemos desarrollado un enfoque reticulaci&#xF3;n a base de c&#xE9;lulas para determinar en alta resoluci&#xF3;n y en todo el transcriptoma de los sitios de uni&#xF3;n de las pr&#xE1;cticas comerciales restrictivas y miRNPs celulares. Los sitios reticuladas son reveladas por timidina a las transiciones de citidina en los ADNc preparadas a partir de immunopurified RNPs de 4-tiouridina c&#xE9;lulas tratadas. Se determinaron los sitios de uni&#xF3;n y las consecuencias reglamentarias para varias pr&#xE1;cticas comerciales restrictivas intensamente estudiados y miRNPs, incluyendo PUM2, QKI, IGF2BP1 3, AGO/EIF2C1-4 y TNRC6A-C. Nuestro estudio revel&#xF3; que estos factores se unen miles de sitios que contengan la secuencia de motivos definidos y tienen distintas preferencias de exonic contra intr&#xF3;nica o codificaci&#xF3;n en comparaci&#xF3;n con las regiones no traducidas de transcripci&#xF3;n. La asignaci&#xF3;n exacta de los sitios de uni&#xF3;n de todo el transcriptoma ser&#xE1; fundamental para la interpretaci&#xF3;n de los datos que emergen r&#xE1;pidamente sobre la variaci&#xF3;n gen&#xE9;tica entre los individuos y c&#xF3;mo estas variaciones contribuyen a enfermedades gen&#xE9;ticas complejas.

Transcriptoma en toda la identificaci&#xF3;n de la prote&#xED;na de uni&#xF3;n al ARN y los sitios de destino microARN por PAR-CLIP

&#x4EA4;&#x8054;&#x548C;&#x6C89;&#x6DC0; &#xFF08;&#x526A;&#x8F91;&#xFF09; &#x662F;&#x8D8A;&#x6765;&#x8D8A;&#x591A;&#x5730;&#x7528;&#x4E8E;&#x6620;&#x5C04;&#x7684; RNA &#x7ED3;&#x5408;&#x86CB;&#x767D;&#x8F6C;&#x5F55;&#x8FC7;&#x7A0B;&#x5168;&#x7ED3;&#x5408;&#x4F4D;&#x70B9;&#x3002;&#x6211;&#x4EEC;&#x5236;&#x8BA2;&#x4E86;&#x526A;&#x8F91;&#x6570;&#x636E;&#x5206;&#x6790;&#x3001; &#x65B9;&#x6CD5;&#x53CA;&#x5E94;&#x7528;&#x5B83;&#x6765;&#x6BD4;&#x8F83;&#x526A;&#x8F91;&#x4E0E; photoactivatable &#x78F7;&#x9178;&#x589E;&#x5F3A;&#x526A;&#x8F91; &#xFF08;PAR &#x526A;&#x8F91;&#xFF09;&#xFF0C;&#x5E76;&#x6316;&#x51FA;&#x4EA4;&#x8054;&#x548C;&#x6838;&#x7CD6;&#x6838;&#x9178;&#x9176;&#x6D88;&#x5316;&#x7684;&#x5DEE;&#x5F02;&#x5982;&#x4F55;&#x5F71;&#x54CD;&#x786E;&#x8BA4;&#x7684;&#x5730;&#x70B9;&#x3002;&#x6211;&#x4EEC;&#x53D1;&#x73B0;&#x7684;&#x8FD9;&#x4E9B;&#x65B9;&#x6CD5;&#x7684;&#x51C6;&#x786E;&#x5EA6;&#x53EA;&#x6709;&#x5FAE;&#x5C0F;&#x5DEE;&#x5F02;&#x786E;&#x5B9A;&#x73E5;&#x6709;&#x7EA6;&#x675F;&#x529B;&#x4F4E;&#x590D;&#x6742;&#x5EA6;&#x5E8F;&#x5217;&#x548C;&#x963F;&#x8033;&#x6208;&#x82F1;&#x96C4; 2&#xFF0C;&#x5177;&#x6709;&#x590D;&#x6742;&#x7684;&#x7ED3;&#x5408;&#x7279;&#x5F02;&#x6027;&#x7684;&#x7ED3;&#x5408;&#x4F4D;&#x70B9;&#x3002;&#x6211;&#x4EEC;&#x53D1;&#x73B0;&#x8DE8; link &#x8BF1;&#x5BFC;&#x7A81;&#x53D8;&#x5BFC;&#x81F4;&#x5355;&#x6838;&#x82F7;&#x9178;&#x51B3;&#x8BAE; PAR &#x526A;&#x8D34;&#x753B;&#x548C;&#x526A;&#x8F91;&#x3002;&#x6211;&#x4EEC;&#x7684;&#x7814;&#x7A76;&#x7ED3;&#x679C;&#x786E;&#x8BA4;&#x539F;&#x59CB;&#x526A;&#x8F91;&#x51FA;&#x7248;&#x7269; RNA &#x7ED3;&#x5408;&#x86CB;&#x767D;&#x5E76;&#x4E0D;&#x80FD;&#x4FDD;&#x62A4;&#x5176;&#x7ED3;&#x5408;&#x4F4D;&#x70B9;&#x5728;&#x526A;&#x8F91;&#x8FC7;&#x7A0B;&#x4E2D;&#xFF0C;&#x4F7F;&#x7528;&#x53D8;&#x6027;&#x6761;&#x4EF6;&#x4E0B;&#x5145;&#x5206;&#x548C;&#x6211;&#x4EEC;&#x663E;&#x793A;&#x4E0E;&#x7279;&#x5B9A;&#x5E8F;&#x5217;&#x7684;&#x6838;&#x7CD6;&#x6838;&#x9178;&#x5E7F;&#x6CDB;&#x6D88;&#x5316;&#x5F3A;&#x70C8;&#x504F;&#x89C1;&#x6062;&#x590D;&#x7684;&#x7ED1;&#x5B9A;&#x7AD9;&#x70B9;&#x7684;&#x671F;&#x671B;&#x3002;&#x6E29;&#x548C;&#x7684;&#x6838;&#x9178;&#x9176;&#x6D88;&#x5316;&#x6761;&#x4EF6;&#x53EF;&#x4EE5;&#x5927;&#x5927;&#x51CF;&#x5C11;&#x8FD9;&#x79CD;&#x504F;&#x89C1;&#x3002;

&#x526A;&#x8F91;&#x65B9;&#x6CD5;&#x8BC6;&#x522B; RNA &#x7ED3;&#x5408;&#x86CB;&#x767D;&#x7684;&#x7ED3;&#x5408;&#x4F4D;&#x70B9;&#x7684;&#x5B9A;&#x91CF;&#x5206;&#x6790;&#x3002;

Cross-linking and immunoprecipitation (CLIP) is increasingly used to map transcriptome-wide binding sites of RNA-binding proteins. We developed a method for CLIP data analysis, and applied it to compare CLIP with photoactivatable ribonucleoside-enhanced CLIP (PAR-CLIP) and to uncover how differences in cross-linking and ribonuclease digestion affect the identified sites. We found only small differences in accuracies of these methods in identifying binding sites of HuR, which binds low-complexity sequences, and Argonaute 2, which has a complex binding specificity. We found that cross-link-induced mutations led to single-nucleotide resolution for both PAR-CLIP and CLIP. Our results confirm the expectation from original CLIP publications that RNA-binding proteins do not protect their binding sites sufficiently under the denaturing conditions used during the CLIP procedure, and we show that extensive digestion with sequence-specific RNases strongly biases the recovered binding sites. This bias can be substantially reduced by milder nuclease digestion conditions.

A quantitative analysis of CLIP methods for identifying binding sites of RNA-binding proteins.

La r&eacute;ticulation et immunopr&eacute;cipitation (CLIP) est de plus en plus utilis&eacute;s pour mapper des sites de fixation de l&#39;&eacute;chelle du transcriptome de prot&eacute;ines de liaison &agrave; l&#39;ARN. Nous avons mis au point une m&eacute;thode d&#39;analyse de donn&eacute;es CLIP et appliqu&eacute;e pour comparer le CLIP avec photoactivatable CLIP ribonucl&eacute;osides am&eacute;lior&eacute;e (PAR-CLIP) et de d&eacute;couvrir comment les diff&eacute;rences dans la digestion de r&eacute;ticulation et ribonucl&eacute;ase affectent les sites identifi&eacute;s. Nous avons ne trouv&eacute; que de petites diff&eacute;rences dans la pr&eacute;cision de ces m&eacute;thodes dans l&#39;identification des sites de fixation de HuR, qui se lie &agrave; des s&eacute;quences de faible complexit&eacute;, et Argonaute 2, qui a une sp&eacute;cificit&eacute; de liaison complexe. Nous avons trouv&eacute; que link-induced mutations conduit &agrave; mononucl&eacute;otidiques r&eacute;solution nominale-CLIP et CLIP. Nos r&eacute;sultats confirment l&#39;attente en mati&egrave;re de publications originales de CLIP que les prot&eacute;ines de liaison &agrave; l&#39;ARN ne prot&egrave;gent pas leurs sites de fixation suffisamment dans les conditions de d&eacute;naturation appliqu&eacute;es pendant la proc&eacute;dure CLIP et nous montrons que vaste digestion avec des s&eacute;quences sp&eacute;cifiques RNases biaise fortement les sites de liaison r&eacute;cup&eacute;r&eacute;s. Ce biais peut &ecirc;tre r&eacute;duit consid&eacute;rablement par des conditions plus cl&eacute;mentes de digestion nucl&eacute;asique.

Une analyse quantitative des m&eacute;thodes CLIP pour identifier les sites de liaison des prot&eacute;ines de liaison &agrave; l&#39;ARN.

Vernetzung und Immunopr&auml;zipitation (CLIP) wird zunehmend zum Transkriptom-weite Bindungsstellen von RNA-bindende Proteine zuordnen. Wir entwickelte eine Methode zur CLIP-Datenanalyse und wendete sie CLIP einen Vergleich mit Photoactivatable Ribonucleoside erh&ouml;hter CLIP (PAR-CLIP) und aufzudecken, wie Unterschiede in der Vernetzung und Ribonuclease Verdauung der identifizierten Websites betreffen. Wir fanden nur kleine Unterschiede in der Genauigkeit dieser Methoden bei der Ermittlung von Bindungsstellen von HuR, die Low-Complexity-Sequenzen bindet, und Argonaute 2, die eine komplexe Bindung-Spezifit&auml;t hat. Wir fanden, dass Kreuz-Nullmodem-induzierte Mutationen zu Einzel-Nukleotid-Aufl&ouml;sung f&uuml;r PAR-CLIP und CLIP gef&uuml;hrt. Unsere Ergebnisse best&auml;tigen die Erwartung von Originalarbeiten CLIP, dass RNA-bindende Proteine nicht ihren Bindungsstellen ausreichend unter Denaturierung Bedingungen w&auml;hrend der CLIP-Verfahren verwendet sch&uuml;tzen, und wir zeigen, dass umfangreiche Verdauung mit Sequenz-spezifische RNases stark die wiederhergestellten Bindungsstellen Vorurteile. Diese Tendenz kann durch mildere Nuklease Verdauung Bedingungen erheblich reduziert werden.

Eine Quantitative Analyse der CLIP Methoden zur Identifizierung von Bindungsstellen von RNA-bindende Proteine.

Cross-linking e immunoprecipitazione (CLIP) &egrave; sempre pi&ugrave; utilizzato per mappare i siti di legame transcriptome a livello di RNA-binding proteins. Abbiamo sviluppato un metodo per l&#39;analisi dei dati CLIP e lo ha applicato per confrontare CLIP con photoactivatable CLIP ribonucleoside-enhanced (PAR-CLIP) e di scoprire come le differenze nel cross-linking e ribonucleasi digestione influenzano i siti individuati. Abbiamo trovato solo piccole differenze nell&#39;accuratezza di questi metodi nell&#39;individuare i siti di legame di HuR, che lega sequenze di bassa complessit&agrave;, e 2 Argonaute, che ha una specificit&agrave; di associazione complessa. Abbiamo trovato che mutazioni cross-link-indotta ha portato alla risoluzione del singolo-nucleotide per PAR-CLIP e CLIP. I nostri risultati confermano l&#39;aspettativa da pubblicazioni originali CLIP RNA-binding proteins non proteggere i loro siti di legame sufficientemente le condizioni denaturanti utilizzati durante la procedura CLIP, che vi mostriamo che vasto digestione con RNasi sequenza-specifici pregiudizi fortemente i siti di legame recuperati. Questo pregiudizio pu&ograve; essere sostanzialmente ridotta da condizioni di digestione della nucleasi pi&ugrave; mite.

Un&#39;analisi quantitativa dei metodi CLIP per identificare i siti di legame della RNA-binding proteins.

&#x67B6;&#x6A4B;&#x3068;&#x514D;&#x75AB;&#x6C88;&#x964D; (&#x30AF;&#x30EA;&#x30C3;&#x30D7;) &#x306F;&#x307E;&#x3059;&#x307E;&#x3059;&#x4F7F;&#x7528; RNA &#x7D50;&#x5408;&#x86CB;&#x767D;&#x8CEA;&#x306E;&#x30C8;&#x30E9;&#x30F3;&#x30B9;&#x30AF;&#x30EA;&#x30D7;&#x30C8;&#x30FC;&#x30E0;&#x7D50;&#x5408;&#x90E8;&#x4F4D;&#x3092;&#x30DE;&#x30C3;&#x30D7;&#x3057;&#x307E;&#x3059;&#x3002;&#x30AF;&#x30EA;&#x30C3;&#x30D7; &#x30C7;&#x30FC;&#x30BF;&#x89E3;&#x6790;&#x624B;&#x6CD5;&#x3092;&#x958B;&#x767A;&#x3057;&#x3001;&#x305D;&#x308C;&#x30AF;&#x30EA;&#x30C3;&#x30D7;&#x6D3B;&#x6027;&#x578B;&#x3068;&#x306E;&#x6BD4;&#x8F03;&#x306B;&#x9069;&#x7528;&#x3055;&#x308C;&#x308B;&#x30EA;&#x30DC;&#x30CC;&#x30AF;&#x30EC;&#x30AA;&#x30B7;&#x30C9;&#x5F37;&#x5316;&#x30AF;&#x30EA;&#x30C3;&#x30D7; &#xFF08;&#x30D1;&#x30FC;-&#x30AF;&#x30EA;&#x30C3;&#x30D7;&#xFF09; &#x3068;&#x7279;&#x5B9A;&#x306E;&#x30B5;&#x30A4;&#x30C8;&#x306B;&#x5F71;&#x97FF;&#x3092;&#x4E0E;&#x3048;&#x308B;&#x67B6;&#x6A4B;&#x3068;&#x30EA;&#x30DC;&#x30CC;&#x30AF;&#x30EC;&#x30A2;&#x30FC;&#x30BC; a &#x306E;&#x6D88;&#x5316;&#x529B;&#x306E;&#x9055;&#x3044;&#x3092;&#x660E;&#x3089;&#x304B;&#x306B;&#x3057;&#x307E;&#x3059;&#x3002;&#x6211;&#x3005; &#x306F;&#x4F4E;&#x8907;&#x96D1;&#x3055;&#x306E;&#x30B7;&#x30FC;&#x30B1;&#x30F3;&#x30B9;&#x3092;&#x7D50;&#x5408;&#x3059;&#x308B;&#x3001;&#x30D9;&#x30F3;&#x30CF;&#x30FC;&#x3068;&#x8907;&#x96D1;&#x306A;&#x7D50;&#x5408;&#x7279;&#x7570;&#x6027;&#x3092;&#x6301;&#x3064;&#x30A2;&#x30EB;&#x30B4;&#x30CE;&#x30FC;&#x30C8; 2 &#x306E;&#x7D50;&#x5408;&#x30B5;&#x30A4;&#x30C8;&#x3092;&#x8B58;&#x5225;&#x3059;&#x308B;&#x306E;&#x306B;&#x3053;&#x308C;&#x3089;&#x306E;&#x30E1;&#x30BD;&#x30C3;&#x30C9;&#x306E;&#x7CBE;&#x5EA6;&#x306E;&#x552F;&#x4E00;&#x306E;&#x5C0F;&#x3055;&#x306A;&#x9055;&#x3044;&#x3092;&#x767A;&#x898B;&#x3057;&#x307E;&#x3057;&#x305F;&#x3002;&#x6211;&#x3005; &#x76F8;&#x4E92;&#x30EA;&#x30F3;&#x30AF;&#x8A98;&#x767A;&#x7A81;&#x7136;&#x5909;&#x7570;&#x5358;&#x4E00;&#x30CC;&#x30AF;&#x30EC;&#x30AA;&#x30C1;&#x30C9;&#x306E;&#x89E3;&#x50CF;&#x5EA6;&#x306B;&#x30D1;&#x30FC; &#x30AF;&#x30EA;&#x30C3;&#x30D7;&#x3068;&#x30AF;&#x30EA;&#x30C3;&#x30D7;&#x306E;&#x4E21;&#x65B9;&#x306E;&#x3053;&#x3068;&#x304C;&#x308F;&#x304B;&#x3063;&#x305F;&#x3002;&#x6211;&#x3005; &#x306E;&#x7D50;&#x679C;&#x306F; RNA &#x7D50;&#x5408;&#x30BF;&#x30F3;&#x30D1;&#x30AF;&#x8CEA;&#x7D50;&#x5408;&#x90E8;&#x4F4D;&#x30AF;&#x30EA;&#x30C3;&#x30D7;&#x624B;&#x9806;&#x4E2D;&#x306B;&#x306F;&#x3001;&#x4F7F;&#x7528;&#x3057;&#x3066;&#x5341;&#x5206;&#x306B;&#x5909;&#x5316;&#x306E;&#x6761;&#x4EF6;&#x306E;&#x4E0B;&#x3067;&#x4FDD;&#x8B77;&#x3057;&#x306A;&#x3044;&#x3057;&#x3001;&#x79C1;&#x9054;&#x306F; rna &#x30B7;&#x30FC;&#x30B1;&#x30F3;&#x30B9;&#x56FA;&#x6709;&#x5206;&#x89E3;&#x3068;&#x306E;&#x5E83;&#x7BC4;&#x306A;&#x6D88;&#x5316;&#x529B;&#x304C;&#x5F37;&#x304F;&#x56DE;&#x5FA9;&#x3057;&#x305F;&#x7D50;&#x5408;&#x90E8;&#x4F4D;&#x3092;&#x30D0;&#x30A4;&#x30A2;&#x30B9;&#x3092;&#x793A;&#x3059;&#x5143;&#x306E;&#x30AF;&#x30EA;&#x30C3;&#x30D7;&#x306E;&#x51FA;&#x7248;&#x7269;&#x304B;&#x3089;&#x306E;&#x671F;&#x5F85;&#x3092;&#x78BA;&#x8A8D;&#x3057;&#x307E;&#x3059;&#x3002;&#x3053;&#x306E;&#x30D0;&#x30A4;&#x30A2;&#x30B9;&#x306F;&#x8EFD;&#x5EA6;&#x306E;&#x30CC;&#x30AF;&#x30EC;&#x30A2;&#x30FC;&#x30BC;&#x6D88;&#x5316;&#x6761;&#x4EF6;&#x306B;&#x3088;&#x3063;&#x3066;&#x5927;&#x5E45;&#x306B;&#x524A;&#x6E1B;&#x3059;&#x308B;&#x3053;&#x3068;&#x304C;&#x3067;&#x304D;&#x307E;&#x3059;&#x3002;

RNA &#x7D50;&#x5408;&#x86CB;&#x767D;&#x8CEA;&#x306E;&#x7D50;&#x5408;&#x30B5;&#x30A4;&#x30C8;&#x3092;&#x8B58;&#x5225;&#x3059;&#x308B;&#x305F;&#x3081;&#x306E;&#x30AF;&#x30EA;&#x30C3;&#x30D7;&#x65B9;&#x6CD5;&#x306E;&#x5B9A;&#x91CF;&#x5206;&#x6790;

&#xAD50;&#xAC00; &#xBC0F; immunoprecipitation (&#xD074;&#xB9BD;)&#xB294; &#xC810;&#xC810; RNA &#xC758;&#xBB34;&#xC801;&#xC778; &#xB2E8;&#xBC31;&#xC9C8;&#xC758; &#xC804;&#xCCB4; transcriptome &#xBC14;&#xC778;&#xB529; &#xC0AC;&#xC774;&#xD2B8;&#xC5D0; &#xB9E4;&#xD551;&#xD560; &#xD558;&#xB294; &#xB370; &#xC0AC;&#xC6A9; &#xB429;&#xB2C8;&#xB2E4;. &#xD074;&#xB9BD; &#xB370;&#xC774;&#xD130; &#xBD84;&#xC11D; &#xBC29;&#xBC95;&#xC744; &#xAC1C;&#xBC1C; &#xD558; &#xACE0; &#xC801;&#xC6A9; &#xD558; &#xC5EC; photoactivatable&#xC640; &#xD074;&#xB9BD; &#xBE44;&#xAD50; ribonucleoside &#xD5A5;&#xC0C1; &#xB41C; &#xD074;&#xB9BD; (&#xD30C;-&#xD074;&#xB9BD;) &#xACE0; &#xAD50;&#xAC00; &#xBC0F; ribonuclease &#xC18C;&#xD654;&#xC758; &#xCC28;&#xC774; &#xC2DD;&#xBCC4; &#xB41C; &#xC0AC;&#xC774;&#xD2B8;&#xC5D0; &#xBBF8;&#xCE58;&#xB294; &#xC601;&#xD5A5;&#xC744; &#xBC1D;&#xD788;&#xAE30; &#xC704;&#xD574;&#xC11C;. &#xD5C8;, &#xB0AE;&#xC740; &#xBCF5;&#xC7A1;&#xC131; &#xC2DC;&#xD000;&#xC2A4;&#xB97C; &#xBC14;&#xC778;&#xB529;&#xD569;&#xB2C8;&#xB2E4; &#xBC0F; &#xBCF5;&#xC7A1; &#xD55C; &#xBC14;&#xC778;&#xB529; &#xD2B9;&#xC774;&#xC131;&#xC740; Argonaute 2 &#xBC14;&#xC778;&#xB529; &#xC0AC;&#xC774;&#xD2B8;&#xB97C; &#xC2DD;&#xBCC4; &#xC774;&#xB7EC;&#xD55C; &#xBC29;&#xBC95;&#xC758; &#xC815;&#xBC00;&#xB3C4;&#xC5D0; &#xC791;&#xC740; &#xCC28;&#xC774; &#xCC3E;&#xC558;&#xC2B5;&#xB2C8;&#xB2E4;. &#xAD50;&#xCC28; link &#xC720;&#xBC1C; &#xB3CC;&#xC5F0;&#xBCC0;&#xC774; &#xD30C; &#xD074;&#xB9BD; &#xBC0F; &#xD074;&#xB9BD;&#xC5D0; &#xB300; &#xD55C; &#xB2E8;&#xC77C; &#xB274;&#xD074;&#xB808;&#xC624;&#xD2F0;&#xB4DC; &#xD574;&#xC0C1;&#xB3C4; &#xC8FC;&#xB3C4; &#xCC3E;&#xC558;&#xC2B5;&#xB2C8;&#xB2E4;. &#xC6B0;&#xB9AC;&#xC758; &#xACB0;&#xACFC; &#xC6D0;&#xB798;&#xC758; &#xD074;&#xB9BD; &#xAC8C;&#xC2DC; RNA &#xC758;&#xBB34;&#xC801;&#xC778; &#xB2E8;&#xBC31;&#xC9C8; &#xD074;&#xB9BD; &#xC808;&#xCC28; &#xB3D9;&#xC548; &#xC0AC;&#xC6A9; &#xB418;&#xB294; &#xBCC0;&#xC131; &#xC870;&#xAC74;&#xC5D0;&#xC11C; &#xCDA9;&#xBD84;&#xD788; &#xC790;&#xC2E0;&#xC758; &#xBC14;&#xC778;&#xB529; &#xC0AC;&#xC774;&#xD2B8;&#xB97C; &#xBCF4;&#xD638; &#xD558;&#xC9C0; &#xC54A;&#xC2B5;&#xB2C8;&#xB2E4; &#xADF8;&#xB9AC;&#xACE0; &#xC6B0;&#xB9AC;&#xB294; &#xAD11;&#xBC94;&#xC704; &#xD55C; &#xC18C;&#xD654; &#xC2DC;&#xD000;&#xC2A4; &#xD2B9;&#xC815; Rnases&#xC640; &#xD568;&#xAED8; &#xAC15;&#xB825; &#xD558; &#xAC8C; &#xBCF5;&#xAD6C; &#xB41C; &#xBC14;&#xC778;&#xB529; &#xC0AC;&#xC774;&#xD2B8; &#xD3B8;&#xACAC; &#xBCF4;&#xC5EC; &#xAE30;&#xB300;&#xB97C; &#xD655;&#xC778; &#xD569;&#xB2C8;&#xB2E4;. &#xC774; &#xBC14;&#xC774;&#xC5B4;&#xC2A4; &#xC628;&#xD654;&#xD55C; nuclease &#xC18C;&#xD654; &#xC870;&#xAC74;&#xC5D0; &#xC758;&#xD574; &#xC2E4;&#xC9C8;&#xC801;&#xC73C;&#xB85C; &#xC904;&#xC5B4;&#xB4E4; &#xC218; &#xC788;&#xB2E4;.

RNA &#xC758;&#xBB34;&#xC801;&#xC778; &#xB2E8;&#xBC31;&#xC9C8;&#xC758; &#xBC14;&#xC778;&#xB529; &#xC0AC;&#xC774;&#xD2B8;&#xB97C; &#xC2DD;&#xBCC4; &#xD558;&#xAE30; &#xC704;&#xD55C; &#xD074;&#xB9BD; &#xBC29;&#xBC95;&#xC758; &#xC815;&#xB7C9; &#xBD84;&#xC11D;.

Cross-linking e inmunoprecipitaci&oacute;n (CLIP) se utiliza cada vez m&aacute;s a mapa de sitios de uni&oacute;n de todo el transcriptoma de prote&iacute;nas de uni&oacute;n de ARN. Hemos desarrollado un m&eacute;todo para el an&aacute;lisis de datos CLIP y aplicado para comparar el CLIP con photoactivatable mejorada ribonucle&oacute;sido CLIP (CLIP PAR) y para descubrir c&oacute;mo las diferencias en la digesti&oacute;n de cross-linking y ribonucleasa afectan los sitios identificados. Encontramos s&oacute;lo peque&ntilde;as diferencias en la precisi&oacute;n de estos m&eacute;todos en la identificaci&oacute;n de sitios de uni&oacute;n de HuR, que se une a secuencias de baja complejidad, y 2 Argonaute, que tiene una especificidad de Uni&oacute;n compleja. Encontramos que las mutaciones inducidas por Cruz-link llevaron a la resoluci&oacute;n de nucle&oacute;tido para PAR-CLIP y CLIP. Nuestros resultados confirman la expectativa de las publicaciones originales de CLIP que prote&iacute;nas de uni&oacute;n de ARN no protegen a sus sitios de Uni&oacute;n suficientemente en las condiciones de desnaturalizaci&oacute;n utilizadas durante el procedimiento CLIP, y mostramos que extensa digesti&oacute;n con secuencia espec&iacute;fica RNasas predispone fuertemente los sitios de Uni&oacute;n recuperados. Este sesgo se puede reducir sustancialmente por condiciones m&aacute;s suaves de digesti&oacute;n de Nucleasa.

Un an&aacute;lisis cuantitativo de los m&eacute;todos CLIP para identificar sitios de uni&oacute;n de prote&iacute;nas de uni&oacute;n de ARN.

&#x7532;&#x57FA;&#x5316;&#x7684; cytosines &#x662F;&#x5FC5;&#x4E0D;&#x53EF;&#x5C11;&#x7684;&#x8868;&#x89C2;&#x9057;&#x4F20;&#x4FEE;&#x9970;&#x7684;&#x54FA;&#x4E73;&#x52A8;&#x7269;&#x7684;&#x57FA;&#x56E0;&#x7EC4;&#x7532;&#x57FA;&#x5316;&#x6A21;&#x5F0F;&#x7684;&#x89C4;&#x5219;&#x4ECD;&#x7136;&#x5F88;&#x5927;&#x7A0B;&#x5EA6;&#x4E0A;&#x96BE;&#x4EE5;&#x6349;&#x6478;&#x3002;&#x8981;&#x6DF1;&#x5165;&#x4E86;&#x89E3;&#x8FD9;&#x4E00;&#x8FC7;&#x7A0B;&#xFF0C;&#x6211;&#x4EEC;&#x5728;&#x5E72;&#x7EC6;&#x80DE;&#x4E0E;&#x795E;&#x7ECF;&#x5143;&#x7956;&#x7EC6;&#x80DE;&#x751F;&#x6210;&#x57FA;&#x5730;&#x5BF9;&#x5206;&#x8FA8;&#x7387;&#x9F20;&#x6807; methylomes&#x3002;&#x5148;&#x8FDB;&#x7684;&#x91CF;&#x5316;&#x5206;&#x6790;&#x4E0E;&#x5E73;&#x5747;&#x7532;&#x57FA;&#x5316; 30%&#x786E;&#x5B9A;&#x4F4E;&#x7532;&#x57FA;&#x5316;&#x533A;&#x57DF; &#xFF08;&#x5E02;&#x8BDD;&#x6309;&#x6B21;)&#x3002;&#x8FD9;&#x4E9B;&#x4EE3;&#x8868;&#x4E2D;&#x592E;&#x4EBA;&#x6C11;&#x653F;&#x5E9C;&#x7A77;&#x4EBA;&#x8FDC;&#x7AEF;&#x76D1;&#x7BA1;&#x533A;&#x57DF;&#x8BC1;&#x660E;&#x8FD9;&#x4E00;&#x70B9;&#x7684;&#x4F4D;&#x7F6E;&#xFF0C;&#x6838;&#x7CD6;&#x6838;&#x9178;&#x6211;&#x8FC7;&#x654F;&#xFF0C;&#x68C0;&#x6D4B;&#x5242;&#x67D3;&#x8272;&#x6807;&#x8BB0;&#x548C;&#x8BB0;&#x8005;&#x5728;&#x589E;&#x5F3A;&#x6D3B;&#x52A8;&#x7684;&#x5B58;&#x5728;&#x3002;&#x5E02;&#x8BDD;&#x6309;&#x6B21;&#x88AB;&#x5360;&#x9886;&#x7684; DNA &#x7ED3;&#x5408;&#x56E0;&#x7D20;&#x548C;&#x5176;&#x7ED1;&#x5B9A;&#x662F;&#x5FC5;&#x8981;&#x7684;&#x4E0D;&#x8DB3;&#x4EE5;&#x521B;&#x5EFA;&#x5E02;&#x8BDD;&#x6309;&#x6B21;&#x3002;&#x6BD4;&#x8F83;&#x7684;&#x795E;&#x7ECF;&#x5143;&#x548C;&#x5E72;&#x7EC6;&#x80DE; methylomes &#x8BC1;&#x5B9E;&#x6B64;&#x4F9D;&#x8D56;&#x9879;&#xFF0C;&#x5982;&#x7279;&#x5B9A;&#x4E8E;&#x7C7B;&#x578B;&#x7684;&#x5355;&#x5143;&#x683C;-&#x5E02;&#x8BDD;&#x6309;&#x6B21;&#x88AB;&#x5360;&#x9886;&#x7684;&#x7279;&#x5B9A;&#x4E8E;&#x7C7B;&#x578B;&#x7684;&#x5355;&#x5143;&#x683C;-&#x8F6C;&#x5F55;&#x56E0;&#x5B50;&#x3002;&#x8FD9;&#x9879;&#x7814;&#x7A76;&#x63D0;&#x4F9B;&#x4E86; methylome &#x5F15;&#x7528;&#x9F20;&#x6807;&#x548C;&#x663E;&#x793A;&#x672C;&#x5730; DNA &#x7ED3;&#x5408;&#x56E0;&#x7D20;&#x5F71;&#x54CD; DNA &#x7532;&#x57FA;&#x5316;&#xFF0C;&#x4F7F;&#x79EF;&#x6781;&#x7684;&#x8C03;&#x63A7;&#x533A;&#x57DF;&#x7684;&#x6807;&#x8BC6;&#x3002;

DNA &#x7ED3;&#x5408;&#x56E0;&#x7D20;&#x5F62;&#x72B6;&#x7684;&#x9F20;&#x6807; methylome &#x5728;&#x8FDC;&#x7AEF;&#x76D1;&#x7BA1;&#x533A;&#x57DF;&#x3002;

Methylation of cytosines is an essential epigenetic modification in mammalian genomes, yet the rules that govern methylation patterns remain largely elusive. To gain insights into this process, we generated base-pair-resolution mouse methylomes in stem cells and neuronal progenitors. Advanced quantitative analysis identified low-methylated regions (LMRs) with an average methylation of 30%. These represent CpG-poor distal regulatory regions as evidenced by location, DNase I hypersensitivity, presence of enhancer chromatin marks and enhancer activity in reporter assays. LMRs are occupied by DNA-binding factors and their binding is necessary and sufficient to create LMRs. A comparison of neuronal and stem-cell methylomes confirms this dependency, as cell-type-specific LMRs are occupied by cell-type-specific transcription factors. This study provides methylome references for the mouse and shows that DNA-binding factors locally influence DNA methylation, enabling the identification of active regulatory regions.

DNA-binding factors shape the mouse methylome at distal regulatory regions.

La m&eacute;thylation des cytosines est une modification &eacute;pig&eacute;n&eacute;tique essentielle dans les g&eacute;nomes de mammif&egrave;res, mais les r&egrave;gles qui r&eacute;gissent la m&eacute;thylation restent en grande partie insaisissables. Mieux comprendre ce processus, nous avons g&eacute;n&eacute;r&eacute; methylomes base-paire-r&eacute;solution de souris en cellules souches et de cellules souches neuronales. Analyse quantitative approfondie identifi&eacute; des r&eacute;gions de basse-m&eacute;thyl&eacute; (RBM) avec une m&eacute;thylation moyenne de 30 %. Il s&#39;agit de r&eacute;gions r&eacute;gulatrices distales de CpG-pauvres comme en t&eacute;moigne par emplacement, DNase I hypersensibilit&eacute;, des analyses de pr&eacute;sence de marques de chromatine enhancer et activit&eacute; de renforceur de journaliste. RBM est occup&eacute;s par des facteurs de liaison &agrave; l&#39;ADN et leur liaison est n&eacute;cessaire et suffisant pour cr&eacute;er la RLM. Une comparaison des neurones et les cellules souches methylomes confirme cette d&eacute;pendance, comme cellule-type sp&eacute;cifique RBM est occup&eacute;s par des facteurs de transcription de la cellule-sp&eacute;cifiques au type. Cette &eacute;tude fournit m&eacute;thylome fait r&eacute;f&eacute;rence &agrave; la souris et montre que les facteurs de liaison &agrave; l&#39;ADN localement influencer m&eacute;thylation de l&#39;ADN, permettant d&#39;identifier les r&eacute;gions r&eacute;gulatrices actives.

Facteurs de liaison &agrave; l&#39;ADN forme le m&eacute;thylome de souris &agrave; des r&eacute;gions r&eacute;gulatrices distales.

Methylierung von Cytosines ist eine wesentliche epigenetische &Auml;nderung im S&auml;ugetier-Genome, dennoch Regeln Methylierungsmuster bleiben weitgehend tr&uuml;gerisch. Um Einblicke in diesen Prozess zu gewinnen, haben wir Base-paar-Aufl&ouml;sung Maus Methylomes in Stammzellen und neuronalen Vorl&auml;uferzellen generiert. Erweiterte Quantitative Analyse identifiziert geringer methyliert Regionen (AMRs) mit einer durchschnittlichen Methylierung von 30 %. Diese repr&auml;sentieren CpG-Armen distale regelnde Regionen wie belegt nach Ort, DNase I-&Uuml;berempfindlichkeit, Vergr&ouml;&szlig;erer Chromatin Marken und Vergr&ouml;&szlig;erer Aktivit&auml;t im Reporter-Proben. AMRs von DNA-bindenden Faktoren belegt sind und ihre Bindung ist notwendig und ausreichend AMRs erstellen. Ein Vergleich der neuronalen Stammzellen Methylomes best&auml;tigt dieser Abh&auml;ngigkeit wie Typ-zellspezifische AMRs von Zelle-Typ-spezifische Transkriptionsfaktoren besetzt sind. Diese Studie liefert Methylome verweist f&uuml;r die Maus und zeigt, dass DNA-bindenden Faktoren lokal DNA-Methylierung, anhand deren die von aktiven regelnde Regionen beeinflussen.

DNA-bindenden Faktoren pr&auml;gen die Maus Methylome am distalen regelnde Regionen.

La metilazione di cytosines &egrave; un&#39;essenziale modificazione epigenetica nei genomi dei mammiferi, ma le regole che governano il pattern di metilazione rimangono in gran parte sfuggente. Per acquisire conoscenze in questo processo, abbiamo generato base-coppia-risoluzione del mouse methylomes in cellule staminali e progenitori neuronali. Avanzate analisi quantitativa identificato regioni bassa-metilato (LMRs) con una media metilazione del 30%. Questi rappresentano regioni regolamentare distale CpG-poveri come evidenziato dalla posizione, dnasi ipersensibilit&agrave;, presenza di segni di cromatina enhancer e attivit&agrave; enhancer in reporter assays. LMRs sono occupati da fattori DNA-binding e la loro associazione &egrave; necessaria e sufficiente per creare LMRs. Un confronto tra un neurone e delle cellule staminali methylomes conferma questa dipendenza, come specifici del tipo di cella LMRs sono occupati da fattori di trascrizione-tipo-specifico. Questo studio fornisce methylome referenze per il mouse e mostra che fattori DNA-binding localmente influenza la metilazione del DNA, che consentano l&#39;identificazione delle regioni attive e normativi.

DNA-binding fattori forgiano il methylome del mouse alle regioni regolamentare distale.

&#x30B7;&#x30C8;&#x30B7;&#x30F3;&#x306E;&#x30E1;&#x30C1;&#x30EB;&#x5316;&#x306B;&#x5FC5;&#x8981;&#x306A;&#x30A8;&#x30D4;&#x30B8;&#x30A7;&#x30CD;&#x30C6;&#x30A3;&#x30C3;&#x30AF;&#x306A;&#x5909;&#x66F4;&#x54FA;&#x4E73;&#x52D5;&#x7269;&#x30B2;&#x30CE;&#x30E0;&#x306B;&#x304A;&#x3051;&#x308B;&#x307E;&#x3060;&#x30E1;&#x30C1;&#x30EB;&#x5316;&#x30D1;&#x30BF;&#x30FC;&#x30F3;&#x3092;&#x6C7A;&#x5B9A;&#x3059;&#x308B;&#x898F;&#x5247;&#x306F;&#x4E3B;&#x3068;&#x3057;&#x3066;&#x3068;&#x3089;&#x3048;&#x3069;&#x3053;&#x308D;&#x306E;&#x306A;&#x3044;&#x307E;&#x307E;&#x3002;&#x3053;&#x306E;&#x30D7;&#x30ED;&#x30BB;&#x30B9;&#x3078;&#x306E;&#x6D1E;&#x5BDF;&#x3092;&#x5F97;&#x308B;&#x305F;&#x3081;&#x306B;&#x3001;&#x6211;&#x3005; &#x30D9;&#x30FC;&#x30B9; &#x30DA;&#x30A2;&#x89E3;&#x50CF;&#x5EA6;&#x30DE;&#x30A6;&#x30B9; methylomes &#x5E79;&#x7D30;&#x80DE;&#x3068;&#x795E;&#x7D4C;&#x524D;&#x99C6;&#x7D30;&#x80DE;&#x306E;&#x751F;&#x6210;&#x3002;&#x9AD8;&#x5EA6;&#x306A;&#x5B9A;&#x91CF;&#x5206;&#x6790;&#x4F4E;&#x30E1;&#x30C1;&#x30EB;&#x5316;&#x9818; (LMRs) &#x306F; 30 &#xFF05; &#x306E;&#x5E73;&#x5747;&#x306E;&#x30E1;&#x30C1;&#x30EB;&#x5316;&#x3068;&#x8B58;&#x5225;&#x3002;&#x3053;&#x308C;&#x3089; CpG &#x8CA7;&#x3057;&#x3044;&#x9060;&#x4F4D;&#x306E;&#x898F;&#x5B9A;&#x3059;&#x308B;&#x9818;&#x57DF;&#x3092;&#x8868;&#x3059; hat-p-1b &#x5834;&#x6240;&#x3001;DNase &#x79C1;&#x904E;&#x654F;&#x75C7;&#x306F;&#x3001;&#x30D7;&#x30EC;&#x30BC;&#x30F3;&#x30B9;&#x306E;&#x30A8;&#x30F3;&#x30CF;&#x30F3;&#x30B5;&#x30FC; &#x30AF;&#x30ED;&#x30DE;&#x30C1;&#x30F3; &#x30DE;&#x30FC;&#x30AF;&#x3068;&#x30A8;&#x30F3;&#x30CF;&#x30F3;&#x30B5;&#x30FC;&#x6D3B;&#x52D5;&#x30EC;&#x30DD;&#x30FC;&#x30BF;&#x30FC;&#x306E;&#x8A66;&#x91D1;&#x3002;LMRs DNA &#x7D50;&#x5408;&#x306E;&#x8981;&#x56E0;&#x306B;&#x3088;&#x3063;&#x3066;&#x5360;&#x6709;&#x3055;&#x308C;&#x3066;&#x3044;&#x308B;&#x3001;&#x305D;&#x306E;&#x30D0;&#x30A4;&#x30F3;&#x30C9;&#x306F;&#x5FC5;&#x8981;&#x304B;&#x3064;&#x5341;&#x5206;&#x306A; LMRs &#x3092;&#x4F5C;&#x6210;&#x3057;&#x307E;&#x3059;&#x3002;&#x795E;&#x7D4C;&#x7D30;&#x80DE;&#x306E;&#x6BD4;&#x8F03;&#x3068;&#x5E79;&#x7D30;&#x80DE; methylomes &#x7D30;&#x80DE;&#x578B;&#x7279;&#x7570; LMRs &#x7D30;&#x80DE;&#x578B;&#x7279;&#x7570;&#x7684;&#x8EE2;&#x5199;&#x56E0;&#x5B50;&#x306B;&#x3088;&#x3063;&#x3066;&#x5360;&#x9818;&#x3055;&#x308C;&#x305F;&#x3068;&#x3053;&#x306E;&#x4F9D;&#x5B58;&#x95A2;&#x4FC2;&#x3092;&#x78BA;&#x8A8D;&#x3057;&#x307E;&#x3059;&#x3002;&#x672C;&#x7814;&#x7A76;&#x3067;&#x306F;&#x5206;&#x5316;&#x7CFB;&#x5217;&#x6C7A;&#x5B9A;&#x30E1;&#x30C1;&#x30ED;&#x30FC;&#x30E0;&#x306E;&#x305F;&#x3081;&#x306E;&#x30DE;&#x30A6;&#x30B9;&#x3092;&#x53C2;&#x7167;&#x3057;&#x3001;DNA &#x7D50;&#x5408;&#x306E;&#x8981;&#x56E0;&#x304C;&#x30ED;&#x30FC;&#x30AB;&#x30EB;&#x3067;&#x30A2;&#x30AF;&#x30C6;&#x30A3;&#x30D6;&#x306A;&#x898F;&#x5B9A;&#x3059;&#x308B;&#x9818;&#x57DF;&#x306E; id &#x3092;&#x6709;&#x52B9;&#x306B;&#x3001;DNA &#x306E;&#x30E1;&#x30C1;&#x30EB;&#x5316;&#x306B;&#x5F71;&#x97FF;&#x3092;&#x4E0E;&#x3048;&#x308B;&#x3053;&#x3068;&#x3092;&#x793A;&#x3057;&#x3066;&#x3044;&#x307E;&#x3059;&#x3092;&#x63D0;&#x4F9B;&#x3057;&#x3066;&#x3044;&#x307E;&#x3059;&#x3002;

DNA &#x7D50;&#x5408;&#x306E;&#x8981;&#x56E0;&#x306F;&#x3001;&#x9060;&#x4F4D;&#x306E;&#x898F;&#x5236;&#x5730;&#x57DF;&#x3067;&#x30DE;&#x30A6;&#x30B9;&#x5206;&#x5316;&#x7CFB;&#x5217;&#x6C7A;&#x5B9A;&#x30E1;&#x30C1;&#x30ED;&#x30FC;&#x30E0;&#x3092;&#x5F62;&#x72B6;&#x3057;&#x307E;&#x3059;&#x3002;

Cytosines&#xC758; &#xBA54; &#xD2F8; &#xD654;&#xB294; &#xD3EC;&#xC720;&#xB958; &#xAC8C;&#xB188;&#xC5D0; &#xD544;&#xC218;&#xC801;&#xC778; epigenetic &#xC218;&#xC815; &#xADF8;&#xB7EC;&#xB098; &#xBA54; &#xD2F8; &#xD654; &#xD328;&#xD134;&#xC744; &#xC81C;&#xC5B4; &#xD558;&#xB294; &#xADDC;&#xCE59; &#xD06C;&#xAC8C; &#xC560;&#xB9E4; &#xB0A8;&#xC544; &#xC788;&#xB2E4;. &#xC774; &#xD504;&#xB85C;&#xC138;&#xC2A4;&#xC5D0; &#xB300; &#xD55C; &#xD1B5;&#xCC30;&#xB825;&#xC744; &#xC5BB;&#xC73C;&#xB824;&#xBA74;, &#xC6B0;&#xB9AC;&#xB294; &#xC904;&#xAE30; &#xC138;&#xD3EC;&#xC640; &#xC2E0;&#xACBD; progenitors &#xC790;&#xB8CC; &#xC30D; &#xD574;&#xC0C1;&#xB3C4; &#xB9C8;&#xC6B0;&#xC2A4; methylomes&#xB97C; &#xC0DD;&#xC131; &#xD569;&#xB2C8;&#xB2E4;. &#xACE0;&#xAE09; &#xC815;&#xB7C9; &#xBD84;&#xC11D; 30%&#xC758; &#xD3C9;&#xADE0; &#xBA54; &#xD2F8; &#xD654;&#xC640; &#xB0AE;&#xC740; &#xAC20; &#xC601;&#xC5ED; (LMRs)&#xB97C; &#xC2DD;&#xBCC4;&#xD569;&#xB2C8;&#xB2E4;. &#xC774;&#xB7EC;&#xD55C; CpG &#xAC00;&#xB09C;&#xD55C; &#xC6D0;&#xC2EC; &#xADDC;&#xC81C; &#xC9C0;&#xC5ED; &#xB300;&#xD45C; &#xC99D;&#xAC15; chromatin &#xB9C8;&#xD06C; &#xBC0F; &#xAE30;&#xC790;&#xC5D0; &#xC99D;&#xAC15; &#xD65C;&#xB3D9; &#xBD84;&#xC11D; &#xC2E4;&#xD5D8;&#xC5D0; &#xC758;&#xD574; &#xC785;&#xC99D;&#xC73C;&#xB85C; &#xC704;&#xCE58;, DNase &#xB098; &#xACFC;&#xBBFC; &#xC99D;. LMRs DNA &#xBC14;&#xC778;&#xB529; &#xC694;&#xC18C;&#xC5D0; &#xC758;&#xD574; &#xC810;&#xC720; &#xB41C;&#xB2E4; &#xACE0; &#xBC14;&#xC778;&#xB529;&#xC744; &#xD544;&#xC694; &#xC774;&#xBA70; Lmrs&#xC744; &#xB9CC;&#xB4E4; &#xC218; &#xC788;&#xC2B5;&#xB2C8;&#xB2E4;. &#xC2E0;&#xACBD;&#xC758; &#xBE44;&#xAD50; &#xBC0F; &#xC904;&#xAE30; &#xC138;&#xD3EC; methylomes&#xC774;&#xC774; &#xC885;&#xC18D;&#xC131;&#xC744; &#xD655;&#xC778; &#xD558;&#xB294; &#xB300;&#xB85C; &#xC140; &#xC720;&#xD615;&#xBCC4; LMRs &#xC140; &#xC720;&#xD615;&#xBCC4; &#xC804;&#xC0AC; &#xC778;&#xC790;&#xC5D0; &#xC758;&#xD574; &#xC810;&#xC720; &#xB41C;&#xB2E4;. &#xC774; &#xC5F0;&#xAD6C; methylome&#xB294; &#xB9C8;&#xC6B0;&#xC2A4;&#xC5D0; &#xB300; &#xD55C; &#xCC38;&#xC870; &#xD558;&#xBA70; DNA &#xBC14;&#xC778;&#xB529; &#xC694;&#xC18C; &#xB85C;&#xCEEC; &#xD65C;&#xC131; &#xADDC;&#xC81C; &#xC601;&#xC5ED; &#xC2DD;&#xBCC4;&#xC744; &#xAC00;&#xB2A5; &#xD558; &#xAC8C; &#xD558;&#xB294; DNA &#xBA54; &#xD2F8; &#xD654;&#xC5D0; &#xC601;&#xD5A5;&#xC744; &#xBCF4;&#xC5EC;&#xC90D;&#xB2C8;&#xB2E4;.

DNA &#xBC14;&#xC778;&#xB529; &#xC694;&#xC18C; &#xC6D0;&#xC2EC; &#xADDC;&#xC81C; &#xC601;&#xC5ED;&#xC5D0; &#xB9C8;&#xC6B0;&#xC2A4; methylome &#xBAA8;&#xC591;.

La metilaci&oacute;n de cytosines es una modificaci&oacute;n epigen&eacute;tica esencial en genomas mam&iacute;feros, sin embargo, las normas que rigen los patrones de metilaci&oacute;n permanecen en gran parte fuera de alcance. Para obtener informaci&oacute;n sobre este proceso, hemos generado methylomes base-par-resoluci&oacute;n rat&oacute;n en c&eacute;lulas madre y trasplante de precursores neuronales. An&aacute;lisis cuantitativo avanzado hab&iacute;a identificado regiones bajo-metilados (LMRs) con una metilaci&oacute;n promedio del 30%. &Eacute;stos representan las regiones reguladoras distales CpG-pobres seg&uacute;n lo evidenciado por ubicaci&oacute;n, ADNasa I hipersensibilidad, presencia de marcas de cromatina potenciador y actividad de potenciador en reportero ensayos. LMRs est&aacute;n ocupados por factores de uni&oacute;n al ADN y su uni&oacute;n es necesaria y suficiente para crear los LMRs. Una comparaci&oacute;n de neuronal y c&eacute;lulas madre methylomes confirma esta dependencia, como c&eacute;lula-tipo-espec&iacute;ficas LMRs est&aacute;n ocupados por factores de transcripci&oacute;n de la c&eacute;lula-tipo-espec&iacute;ficas. Este estudio proporciona metiloma referencias para el rat&oacute;n y muestra que factores de uni&oacute;n al ADN localmente influyen en la metilaci&oacute;n del ADN, lo que permite la identificaci&oacute;n de las regiones reguladoras activas.

Lukas Burger

Biozentrum der Universität Basel and Swiss Institute of Bioinformatics (SIB)

PAR-CliP - A Method to Identify Transcriptome-wide the Binding Sites of RNA Binding Proteins