• 文献检索
  • 文档翻译
  • 深度研究
  • 学术资讯
  • Suppr Zotero 插件Zotero 插件
  • 邀请有礼
  • 套餐&价格
  • 历史记录
应用&插件
Suppr Zotero 插件Zotero 插件浏览器插件Mac 客户端Windows 客户端微信小程序
定价
高级版会员购买积分包购买API积分包
服务
文献检索文档翻译深度研究API 文档MCP 服务
关于我们
关于 Suppr公司介绍联系我们用户协议隐私条款
关注我们

Suppr 超能文献

核心技术专利：CN118964589B侵权必究
粤ICP备2023148730 号-1Suppr @ 2026

文献检索

告别复杂PubMed语法，用中文像聊天一样搜索，搜遍4000万医学文献。AI智能推荐，让科研检索更轻松。

立即免费搜索

文件翻译

保留排版，准确专业，支持PDF/Word/PPT等文件格式，支持 12+语言互译。

免费翻译文档

深度研究

AI帮你快速写综述，25分钟生成高质量综述，智能提取关键信息，辅助科研写作。

立即免费体验

从时间顺序的干细胞分化 RNA 测序数据中生成转录调控网络。

Generating transcriptional regulatory networks from time-ordered stem cell differentiation RNA sequencing data.

机构信息

Center for Systems and Synthetic Biology, National Yang Ming Chiao Tung University, Taipei, Taiwan.

Institute of Biomedical Sciences, Academia Sinica, Taipei, Taiwan.

出版信息

STAR Protoc. 2022 Aug 19;3(3):101541. doi: 10.1016/j.xpro.2022.101541. eCollection 2022 Sep 16.

DOI:10.1016/j.xpro.2022.101541
PMID:36042881
原文链接:https://pmc.ncbi.nlm.nih.gov/articles/PMC9420390/
Abstract

We describe steps to 1) identify ascending and descending monotonic key genes from time-ordered stem cell differentiation expression data, 2) construct time-ordered transcriptional regulatory networks, and 3) infer the involvement of transcription factors along the differentiation process. For complete details on the use and execution of this protocol, please refer to Wong et al. (2020).

摘要

我们描述了从时间顺序的干细胞分化表达数据中识别上升和下降单调关键基因、构建时间顺序转录调控网络以及推断转录因子在分化过程中的参与的步骤。有关该方案使用和执行的完整详细信息，请参阅 Wong 等人（2020 年）。

https://cdn.ncbi.nlm.nih.gov/pmc/blobs/7c0b/9420390/476b89e6de4c/gr5.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/7c0b/9420390/7142684c2a28/fx1.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/7c0b/9420390/f4ce3004bff6/gr1.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/7c0b/9420390/2b44ee158207/gr2.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/7c0b/9420390/8b26e3f932a9/gr3.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/7c0b/9420390/22f5f4c5d023/gr4.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/7c0b/9420390/476b89e6de4c/gr5.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/7c0b/9420390/7142684c2a28/fx1.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/7c0b/9420390/f4ce3004bff6/gr1.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/7c0b/9420390/2b44ee158207/gr2.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/7c0b/9420390/8b26e3f932a9/gr3.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/7c0b/9420390/22f5f4c5d023/gr4.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/7c0b/9420390/476b89e6de4c/gr5.jpg

相似文献

1
Generating transcriptional regulatory networks from time-ordered stem cell differentiation RNA sequencing data.从时间顺序的干细胞分化 RNA 测序数据中生成转录调控网络。
STAR Protoc. 2022 Aug 19;3(3):101541. doi: 10.1016/j.xpro.2022.101541. eCollection 2022 Sep 16.
2
Construction of transcriptional regulatory networks using total RNA-seq data.使用总 RNA-seq 数据构建转录调控网络。
STAR Protoc. 2021 Aug 25;2(3):100769. doi: 10.1016/j.xpro.2021.100769. eCollection 2021 Sep 17.
3
Decoding the differentiation of mesenchymal stem cells into mesangial cells at the transcriptomic level.从转录组水平解码间充质干细胞向系膜细胞的分化。
BMC Genomics. 2020 Jul 7;21(1):467. doi: 10.1186/s12864-020-06868-5.
4
Isolation and RNA sequencing of single nuclei from  tissues.从组织中分离和 RNA 测序单细胞。
STAR Protoc. 2022 May 20;3(2):101417. doi: 10.1016/j.xpro.2022.101417. eCollection 2022 Jun 17.
5
A computational approach to generate highly conserved gene co-expression networks with RNA-seq data.一种基于 RNA-seq 数据生成高度保守的基因共表达网络的计算方法。
STAR Protoc. 2022 Jun 2;3(2):101432. doi: 10.1016/j.xpro.2022.101432. eCollection 2022 Jun 17.
6
Identification of regulatory links between transcription and RNA processing with long-read sequencing.利用长读测序技术鉴定转录和 RNA 加工之间的调控关系。
STAR Protoc. 2023 Dec 15;4(4):102505. doi: 10.1016/j.xpro.2023.102505. Epub 2023 Sep 20.
7
Quantifying RNA synthesis at rate-limiting steps of transcription using nascent RNA-sequencing data.利用 RNA 测序数据定量转录限速步骤的 RNA 合成。
STAR Protoc. 2022 Jan 5;3(1):101036. doi: 10.1016/j.xpro.2021.101036. eCollection 2022 Mar 18.
8
Processing single-cell RNA-seq datasets using SingCellaR.使用 SingCellaR 处理单细胞 RNA-seq 数据集。
STAR Protoc. 2022 Apr 1;3(2):101266. doi: 10.1016/j.xpro.2022.101266. eCollection 2022 Jun 17.
9
Transcriptional profiling of mouse projection neurons with VECTORseq.利用 VECTORseq 对小鼠投射神经元进行转录组分析。
STAR Protoc. 2022 Aug 18;3(3):101625. doi: 10.1016/j.xpro.2022.101625. eCollection 2022 Sep 16.
10
Absolute quantification of transcription factors in human erythropoiesis using selected reaction monitoring mass spectrometry.使用选择反应监测质谱法对人红细胞生成中的转录因子进行绝对定量。
STAR Protoc. 2020 Dec 13;1(3):100216. doi: 10.1016/j.xpro.2020.100216. eCollection 2020 Dec 18.

本文引用的文献

1
Decoding the differentiation of mesenchymal stem cells into mesangial cells at the transcriptomic level.从转录组水平解码间充质干细胞向系膜细胞的分化。
BMC Genomics. 2020 Jul 7;21(1):467. doi: 10.1186/s12864-020-06868-5.
2
Comparative transcriptomics method to infer gene coexpression networks and its applications to maize and rice leaf transcriptomes.比较转录组学方法推断基因共表达网络及其在玉米和水稻叶片转录组中的应用。
Proc Natl Acad Sci U S A. 2019 Feb 19;116(8):3091-3099. doi: 10.1073/pnas.1817621116. Epub 2019 Feb 4.
3
AnimalTFDB 3.0: a comprehensive resource for annotation and prediction of animal transcription factors.
AnimalTFDB 3.0：一个全面的动物转录因子注释和预测资源。
Nucleic Acids Res. 2019 Jan 8;47(D1):D33-D38. doi: 10.1093/nar/gky822.
4
Discovering monotonic stemness marker genes from time-series stem cell microarray data.从时间序列干细胞微阵列数据中发现单调干性标记基因。
BMC Genomics. 2015;16 Suppl 2(Suppl 2):S2. doi: 10.1186/1471-2164-16-S2-S2. Epub 2015 Jan 21.
5
Mapping identifiers for the integration of genomic datasets with the R/Bioconductor package biomaRt.使用R/Bioconductor软件包biomaRt整合基因组数据集的映射标识符。
Nat Protoc. 2009;4(8):1184-91. doi: 10.1038/nprot.2009.97. Epub 2009 Jul 23.
6
GEOquery: a bridge between the Gene Expression Omnibus (GEO) and BioConductor.GEOquery：基因表达综合数据库（GEO）与生物导体（BioConductor）之间的桥梁。
Bioinformatics. 2007 Jul 15;23(14):1846-7. doi: 10.1093/bioinformatics/btm254. Epub 2007 May 12.
7
BioMart and Bioconductor: a powerful link between biological databases and microarray data analysis.生物数据库与芯片分析的强大纽带——生物集市与生物导体
Bioinformatics. 2005 Aug 15;21(16):3439-40. doi: 10.1093/bioinformatics/bti525.