TED（现称为BayesPrism） 使用统计边际化（BayesPrism）推断贝叶斯细胞比例重建：肿瘤微环境组成和基因表达的完全贝叶斯推断。 BayesPrism由反卷积模块和嵌入学习模块组成。去卷积模块利用来自scRNA-seq的细胞类型特异性表达谱，并实施完全贝叶斯推断，以根据肿瘤样品的大量RNA-seq表达共同估算细胞类型组成和细胞类型特异性基因表达的后验分布。嵌入学习模块使用期望最大化（EM）来使用肿瘤途径的线性组合来近似肿瘤表达，同时以反卷积模块估算的非肿瘤细胞的表达和分数为条件。 v1.1：添加了新功能，允许使用从scRNA-seq数据（例如，通过更精细的聚类）获得的细胞亚型/细胞状态信息，从而产生更细粒度的细胞类型，以更好地代表异质群体。它可以用来定义例如肿瘤微环境中的髓样或淋巴细胞群。 BayesPrism将计算这些子类型/状态的后验和。 v1.2：增加了功能cle

血浆长链非编码RNA HOTAIR 对预测食管癌放疗敏感性的意义.pdf

Pse-Analysis：基于伪成分和核方法的用于DNA / RNA和蛋白质/肽序列分析的Python软件包

火山3D volcano3D软件包可用于探索三组之间差异表达的探针。 其主要目的是在三维火山图中可视化差异表达的基因。 这些图可以使用图转换为交互式可视化。 该插图探讨了PEAC类风湿关节炎试验（早期关节炎队列的病理生物学）中的案例研究。 该方法已经发表在 和可在获得的交互式Web工具。 该工具可作为可搜索界面，以检查各个滑膜和血液基因转录水平与组织学，临床和放射学参数以及6个月时的临床React之间的关系。 交互式界面允许探索基因模块分析中模块与临床参数之间的关系。 PEAC交互式Web工具正在作为创建，并使用服务器部署到Web。 也有补充说明，以获取有关以下方面的更多信息： 入门 先决条件 从CRAN安装 install.packages("volcano3D") 从Github安装 library(devtools) install_github("KatrionaG

斩波器 Pychopper v2是识别，定向和修剪全长Nanopore cDNA读物的工具。 该工具还可以挽救融合的读物。 背景 Pychopper v2的一般方法如下： Pychopper首先在整个序列长度上鉴定引物的比对命中。 这样做的默认方法是将nhmmscan与nhmmscan随附的预训练的特定于链的配置文件HMM一起使用。 或者，可以使用edlib后端，该后端使用全局和局部比对的组合来识别读物中的引物。 在通过任一后端识别引物命中后，将读数分为两个连续的引物命中所定义的片段。 如果侧翼引物命中的构型有效（例如， SPP,-VNP用于正向读取） SPP,-VNP则片段的分数为其长度SPP,-VNP否则为零。 使用动态编程算法将片段分配给拯救的读段，该算法将使用的片段得分的总和最大化（因此，拯救的碱基数量）。 关于该算法的一个重要观察结果是，如果将一个片段包括为抢救读物，则必

tsRFinder：一种用于tRNA衍生的小RNA注释的工具

Snakemake中的基本散装RNA-seq管线 目录 描述 该存储库包含两种基本形式的基本批量RNA-seq管道的演示，即Snakemake （在workflow/目录中）和bash脚本（在bash_workflow/目录中）。 这两个工作流程执行相同的分析，但是Snakemake管道更加健壮和推荐，尽管目前还不够完善。 这个Snakemake管道是作为教程的一部分而创建的，因此避免了使用某些Snakemake的完整/更复杂的实用程序。 尽管如此，它还是对bash工作流程的改进。 Snakemake版本的几个优点。 停止错误，自动删除不完整的文件 发生错误后可以重新运行/重新启动管道，并且仅运行未完全完成的步骤 可以运行到管道中的某个点而无需编辑管道 可以添加新样本并重新运行管道，以便在必要时仅运行处理新样本以及将这些新数据与其他样本数据集成所需的步骤 可以泛化分析 不必预先安装所

丰富的资源会促进细菌的生长，特别是富营养型细菌的生长。快速的生长需要大量的核糖体，富营养性细菌会持有更多的核糖体RNA操纵子（number of ribosomal RNA operons, rrn）。我们可以根据核糖体RNA操纵子的数目来对寡营养型和富营养型细菌进行区分，而且核糖体RNA操纵子的数目在16srRNA序列上保守，因此我们可以通过分类信息对核糖体RNA操纵子数进行预测,进而对其生活史策略进行推断。

二代测序原理涉及RNA测序，RNA结构和RNA功能计算以及RNA数据分析处理的生物信息学方法。

RNA-Seq数据中circRNA的定量，差异表达分析和miRNA目标预测分析的工作流程。 介绍 nf-core / circrna是一种生物信息学流水线，用于定量，miRNA靶标预测和RNA测序数据中存在的circRNA的差异表达分析（当前支持总RNA-Seq配对末端测序数据，已映射至智人Gencode参考基因组GRCh37， GRCh38 v34）。 pipleline已以模块化方式开发，除了circRNA定量外，还允许用户选择miRNA靶标预测，差异表达分析（或两者），以促进围绕circRNA参与竞争内源RNA网络的假设。 该管道是使用构建的， 是一种工作流工具，可以以非常便携的方式跨多个计算基础架构运行任务。 它带有docker容器，使安装变得简单，结果可高度重现。 管道摘要 默认情况下， nf-core/circrna使用所有3个分析模块： circrna_discovery