Вычислительная идентификация микроРНК дает высокие ложноположительные прогнозы. С последними обновлениями mirMachine обеспечивает высокую чувствительность и специфичность в известных и новых предсказаниях микроРНК. Доказано, что MirMachine превосходит самые последние алгоритмы микро-РНК с точки зрения чувствительности, и mirMachine теперь полностью автоматизирован и находится в свободном доступе, поэтому каждый может использовать его с инструкциями.
MirMachine может предсказать распространение предполагаемых микроРНК по всему геному без ограничения данных, специфичных для тканей и условий. Наличие предварительных данных до эксперимента по секвенированию мсРНК ускорит процесс верификации важных генов микроРНК. Перед настройкой машины загрузите и установите программные зависимости с соответствующих домашних сайтов, используя ссылки в текстовой рукописи.
Кроме того, более простым и быстрым способом установки зависимостей программного обеспечения является использование команд, представленных в текстовой рукописи. Загрузите последнюю версию скриптов mirMachine с GitHub. Затем задайте путь к скриптам на вкладке пути.
Убедитесь, что mirMachine и его зависимости были загружены правильно, запустив mirMachine на тестовых данных с GitHub. Проверьте состояние задания на экране с помощью стандартного выходного потока. Как только появится весь готовый текст, управляйте выходными файлами.
Управляйте шпильками точка TBL точка точка точка точка TBL выходные файлы. Обратите внимание на зрелые миРНК до миРНК и звездные последовательности миРНК на втором, третьем и шестом столбцах. Найдите местоположение предсказанных микроРНК на хромосомах в конце каждой линии.
Затем проверьте файлы журнала на наличие выходных данных и предупреждений программы. Для идентификации на основе гомологии запустите mirMachine с помощью bash-скрипта и проверьте прогнозируемые mRNAs. Найдите выходной файл для зрелых микроРНК и самых быстрых последовательностей премиРНК, а также выходной файл для файла журнала шпильки.
Для идентификации новых микроРНК предварительно обработайте файлы sRNA-seq Fast Q в соответствующий формат FASTA. Обрежьте адаптеры и удалите считывания низкого качества, подобные тем, которые содержат N, поскольку предварительная обработка для чтения sRNA-seq не является частью mirMachine. Выберите стабильный инструмент обрезки и параметры обрезки для отправленных данных.
Преобразуйте файл FASTQ в файл FASTA в качестве входного файла. Если предоставлен файл таблицы изобилия, используйте скрипт модификации, поставляемый со скриптами mirMachine, чтобы преобразовать файл таблицы в правильный вход FASTA. Затем запустите mirMachine с помощью bash-скрипта.
Проверьте прогнозируемые микроРНК. Найдите выходной файл для прогнозируемых последовательностей mRNAs и prem miRNA FASTA и выходной файл для файла журнала шпильки. Установите для параметра dash DB значение базы данных blast, чтобы пропустить базу данных ссылок на построение в конвейере.
Установите для параметра тире M количество разрешенных несоответствий, а для тире N — количество попаданий для устранения после выравнивания. Измените это в зависимости от вида. Используйте длинное тире для оценки вторичных структур для списка подозреваемых и тире, чтобы активировать новое предсказание миРНК на основе данных sRNA-seq.
Установите опцию dash L max на максимальную длину показаний S RNA-seq для включения в скрининг, а опцию dash L min — на минимальную длину показаний sRNA-seq, которые должны быть при скрининге. Используйте параметр RPM тире, чтобы установить пороговое значение чтения на миллион. В репрезентативном анализе.
Показано распределение семейств мРНК из пятой хромосомы А пшеницы IWGSC. Наиболее представленной группой мРНК была miR9666 с 18 идентифицированными миРНК. Производительность mirMachine на Arabidopsis thaliana и видах пшеницы по сравнению с miRDP2.
Сравнение чувствительности и положительного числа два показало, что mirMachine превзошел miRDP2 по данным Arabidopsis. Для данных о пшенице mirMachine предсказание на основе гомологии с доказательствами экспрессии обеспечило лучшую чувствительность, чем miRDP2. Для обоих геномов miRDP2 предсказал большее количество истинных положительных результатов, чем предсказания на основе sRNAs-seq и гомологии.
Настройка требуемого приложения может быть обременительной для неопытного пользователя. После этого видеоурока поможет. Визуализация процесса установки побудит невычислимых исследователей заняться некоторыми базовыми вычислениями.
Кроме того, изучение выходных файлов в видео, безусловно, поможет пользователям интерпретировать свои результаты.