Naviguer dans le séquençage des miARN : Un guide complet

Introduction

microARN (miARN), une classe de petits ARN non codants, sont des agents régulateurs essentiels dans l'expression génique, entraînant des changements majeurs post-transcriptionnels. Leur influence imprègne divers événements biologiques, y compris le développement cellulaire, la différenciation et la pathogénèse des maladies. Le déchiffrement en cours du complexe labyrinthe des réseaux régulateurs orchestrés par les miARN a nécessité le développement de stratégies complètes et efficaces pour profiler minutieusement l'expression des miARN.

Cette montée d'intérêt a conduit à l'émergence de technologie de séquençage des miARNRemplaçant les méthodologies traditionnelles, cette approche à haut débit sert d'outil d'investigation puissant, offrant une compréhension approfondie du milieu complexe des petites molécules d'ARN. Robuste et complète, le séquençage des miARN offre des aperçus sans précédent sur le miARNome - une tapisserie vibrante tissée de milliers de séquences de miARN et de leurs interactions régulatrices. Explorer cela enrichit notre compréhension des systèmes biologiques qu'ils régulent, ouvrant la voie à des recherches translationnelles potentielles dans le domaine de la biologie moléculaire et de la médecine.

maturation des miARN

Aperçu du séquençage des miARN

Les miARN sont essentiels à la régulation génique post-transcriptionnelle, exerçant une influence significative sur des processus biologiques allant du développement et de la différenciation à la pathogénie des maladies. À mesure que la compréhension des réseaux régulateurs complexes gouvernés par les miARN continue de s'approfondir, il y a un besoin croissant de données complètes, méthodologies à haut débit pour profiler précisément l'expression des miARN. Répondant à cette demande pressante, le séquençage des miARN—également appelé séquençage des petits ARN—s'est établi comme un outil instrumental. Il est de loin supérieur à ses homologues traditionnels, tels que les microarrays, car il dépasse les contraintes des sondes prédéterminées. Le séquençage des miARN offre une approche impartiale et hautement sensible pour l'identification des miARN connus et jusqu'alors non découverts. En capitalisant sur les systèmes de séquençage à haut débit, il permet aux chercheurs de déchiffrer le spectre complet des miARN présents dans un échantillon. Cela éclaire à son tour leurs diverses fonctions et les subtilités de leurs mécanismes régulateurs, enrichissant notre compréhension du paysage des miARN.

Importance de la compréhension du séquençage des miARN

L'utilité du séquençage des miARN s'étend à un large éventail de domaines de recherche biologique et clinique, reflétant une diversité remarquable dans ses applications. Un aspect majeur de son utilisation réside dans le domaine de la découverte de biomarqueurs. En examinant les variations de l'expression des miARN chez les individus pendant des états de maladie, par rapport à ceux en bonne santé, il devient possible de discerner de nouveaux indicateurs pronostiques et diagnostiques potentiels.

L'utilisation du séquençage des miARN comme outil peut également éclairer les influences régulatrices des miARN dans la pathogénie des maladies. Une analyse intégrative qui combine les profils d'expression des miARN avec des données transcriptomiques concernant les ARNm permet aux chercheurs de déchiffrer les interactions complexes entre les miARN et leurs gènes cibles correspondants. De telles informations fournissent des données inestimables concernant les mécanismes des maladies et les cibles thérapeutiques potentielles.

De plus, l'utilisation du séquençage des miARN rend possible l'identification de miARN auparavant non découverts, qui auraient facilement pu être manqués par des méthodologies traditionnelles. Cette nouvelle population de miARN regorge de potentiel, agissant comme des biomarqueurs ou des cibles thérapeutiques potentielles. Il est à noter qu'ils contribuent à notre compréhension de la nature labyrinthique des réseaux de régulation génique.

Pour plus d'applications, consultez "l'application de séquençage des miARN".

Comprendre le flux de travail du séquençage des miARN

Aperçu des étapes du flux de travail

Le protocole de séquençage des miARN comprend traditionnellement quatre étapes principales : la préparation des échantillons, la construction de la bibliothèque, le séquençage et l'analyse des données qui suit. Dans la phase initiale de préparation des échantillons, les molécules d'ARN, y compris les miARN, sont isolées du spécimen biologique et transformées en bibliothèques de séquençage. Ces bibliothèques sont ensuite soumises à un séquençage à haut débit utilisant des plateformes de séquençage de nouvelle génération, comme les systèmes Illumina. Les données de séquençage résultantes subissent un traitement et une analyse bioinformatiques pour quantifier les niveaux d'expression des miARN et discerner les miARN exprimés différemment.

Pour un flux de travail spécifique, veuillez vous référer à "Flux de travail de séquençage des miARN "

Importance de chaque étape du processus

Chaque étape du flux de travail de séquençage des miARN est indispensable pour obtenir des résultats fiables et interprétables. La préparation des échantillons est primordiale pour isoler des molécules d'ARN de haute qualité, exemptes de contaminants et de dégradations, garantissant ainsi une analyse précise en aval. La construction de la bibliothèque implique la ligature d'adaptateurs et l'amplification des séquences de miARN, facilitant leur détection lors du séquençage. La phase de séquençage produit des millions de courtes lectures délimitant les séquences de miARN, offrant une couverture exhaustive du transcriptome des miARN. Enfin, l'analyse des données comprend le traitement bioinformatique des données de séquençage pour quantifier les niveaux d'expression des miARN, discerner les miARN différemment exprimés et révéler de nouveaux miARN.

Exploration de l'analyse de séquençage des miARN

séquençage de miARN L'analyse constitue une entreprise multifacette visant à déchiffrer le paysage complexe des motifs d'expression des miARN et à élucider les réseaux régulateurs sous-jacents aux processus biologiques et aux maladies. Cette quête analytique englobe plusieurs composants clés, chacun jouant un rôle essentiel dans la compréhension des fonctions nuancées des miARN dans la régulation génique.

Composantes clés de l'analyse du séquençage des miARN

Contrôle de qualité et prétraitement : L'analyse commence par une évaluation minutieuse de la qualité des données de séquençage pour garantir la fiabilité des analyses ultérieures. Des indicateurs de contrôle de qualité critiques, englobant les scores de qualité des lectures, l'évaluation de la contamination par des adaptateurs et les taux d'alignement, sont examinés pour identifier et rectifier les sources potentielles de biais et de variabilité. Les procédures de prétraitement, telles que la coupe des adaptateurs, la filtration de qualité et l'élimination des lectures de faible qualité, sont exécutées avec soin pour augmenter la précision des analyses suivantes.

Alignement et Cartographie : Suite aux procédures de contrôle qualité, les lectures de séquençage subissent un alignement et une cartographie par rapport à des bases de données de référence afin de déterminer la présence et les niveaux d'expression des miARN connus. En utilisant des algorithmes d'alignement réputés tels que Bowtie et miRDeep2, les lectures sont précisément mappées aux séquences de miARN, facilitant la quantification des niveaux d'expression des miARN à travers divers échantillons.

Gestion des codes-barres moléculaires : les codes-barres moléculaires sont intégrés de manière transparente dans le pipeline analytique pour contrer le biais d'amplification et affiner la précision de la quantification des miARN. Des outils spécialisés pour les codes-barres moléculaires sont habilement utilisés pour traiter les lectures marquées par des codes-barres moléculaires, rationaliser l'identification des doublons et dériver des comptes corrigés par les codes-barres moléculaires, garantissant ainsi une quantification robuste et reproductible des niveaux d'expression des miARN.

Analyse d'expression différentielle : Des analyses comparatives rigoureuses sont menées pour identifier les miARN différemment exprimés parmi diverses conditions expérimentales ou cohortes d'échantillons. Des méthodologies statistiques réputées telles que DESeq2 et edgeR sont utilisées pour évaluer la signification des modifications de l'expression des miARN et prioriser les miARN candidats potentiels pour des explorations ultérieures.

Découverte de nouveaux miARN : Au-delà du répertoire des miARN connus, le séquençage de miARN L'analyse facilite la découverte de nouveaux miARN ayant des rôles régulateurs potentiels. En s'appuyant sur des algorithmes sophistiqués de prédiction de nouveaux miARN, ainsi que sur la prévision de la structure secondaire et l'analyse d'homologie, des miARN candidats sont discernés à partir du jeu de données de séquençage en tenant compte de leurs implications régulatrices.

Aperçu du flux de travail général en bioinformatique pour le séquençage de miARN

Objectifs et buts de l'analyse

L'objectif principal de l'analyse du séquençage des microARN est de comprendre les réseaux complexes régulés par les miARN, ainsi que l'influence qui en découle sur les fluctuations des expressions géniques. Grâce à un examen approfondi des motifs d'expression des miARN, les scientifiques sont en mesure d'atteindre plusieurs objectifs clés :

i) Décodage des modèles d'expression des miARN : L'analyse de séquençage des miARN offre une méthode robuste pour explorer de manière exhaustive les modèles d'expression des miARN au sein de divers échantillons biologiques et conditions. En calculant avec précision les quantités d'expression des miARN, les scientifiques peuvent discerner les miARN qui présentent des degrés d'expression variés en réponse à une multitude de stimuli ou d'anomalies dans les conditions de santé.

ii) Isolement des biomarqueurs : L'investigation comparative de l'expression différentielle est essentielle pour l'isolement des miARN susceptibles de fonctionner comme biomarqueurs cruciaux pour le diagnostic, le pronostic et la réactivité au traitement des maladies. Établir des corrélations entre les profils d'expression des miARN et les résultats cliniques peut révéler des biomarqueurs potentiels précieux pour des applications diagnostiques ou pronostiques.

iii) Dévoilement de nouveaux paradigmes réglementaires : Le processus d'analyse du séquençage des miARN accélère la découverte de miARN jusqu'alors non identifiés et de leurs corrélats réglementaires - une révélation qui éclaire des mécanismes réglementaires inexplorés à l'œuvre dans les fonctions cellulaires et la manifestation des maladies. En associant les données d'expression des miARN avec les profils d'expression des ARNm, les scientifiques peuvent éclairer les réseaux de régulation génique orchestrés par les miARN.

Considérations pour la conception de pipelines

Flexibilité pour des résultats sur mesure : un optimal séquençage de miARN Le cadre d'analyse doit offrir flexibilité et capacités de personnalisation pour répondre aux exigences variées des différentes configurations expérimentales, types d'échantillons et objectifs de recherche. Une approche modulaire permet d'inclure des procédures d'analyse supplémentaires utiles ou des modifications requises qui sont très spécifiques aux besoins de recherche individuels.

Accent sur la Reproductibilité et la Documentation Approfondie : L'importance d'atteindre la reproductibilité ne peut être sous-estimée dans le contexte de la conception de pipelines. Une documentation complète de la séquence d'analyse, des paramètres opérationnels impliqués et des versions des logiciels utilisés favorise la transparence, encourageant ainsi la reproductibilité des résultats. Une telle documentation doit inclure des scripts, des flux de travail et des protocoles standards pour guider sans effort les utilisateurs tout au long du processus analytique.

Intégration d'un contrôle qualité rigoureux : Il est essentiel que des mesures de contrôle qualité complètes soient intégrées à chaque étape du processus afin de superviser la qualité des données et d'identifier les sources possibles de variance. Des vérifications automatisées pour le contrôle qualité garantissent la détection rapide et la correction des problèmes potentiels, renforçant ainsi la fiabilité des résultats analytiques.

Évaluation et Validation : Il est d'une importance capitale de valider la performance du pipeline en portant une attention particulière à sa précision, sa sensibilité et sa spécificité. En se basant sur des ensembles de données standard établis ou des validations expérimentales, la capacité du pipeline à quantifier correctement l'expression des miARN et à identifier des informations biologiquement significatives est validée.

Optimisation de la scalabilité et de l'efficacité : Un pipeline bien conçu doit être évolutif, capable de gérer efficacement d'importants ensembles de données de séquençage. Un accent mis sur la parallélisation et l'utilisation optimisée des ressources informatiques améliore considérablement l'efficacité du pipeline, facilitant l'analyse rapide des données de séquençage à haut débit.

Exploitation d'Illumina pour le séquençage des miARN

En tant qu'outil pour séquençage de miARNLa technologie de séquençage Illumina s'est imposée comme une plateforme puissante, dotée de plusieurs caractéristiques qui la rendent adaptée au profilage et à l'analyse approfondis des miARN. Grâce à l'application des technologies de séquençage Illumina, les chercheurs peuvent explorer les motifs d'expression des miARN, déchiffrer les mécanismes régulateurs et identifier les corrélations avec les maladies avec une sensibilité et une précision accrues.

Avantages de la technologie de séquençage Illumina

procédure de séquençage de miARN sur Illumina

Accéder à la base de données de séquençage des microARN

Les dépôts de données de séquençage de miARN sont des infrastructures essentielles qui dynamisent la diffusion des données, favorisent la collaboration scientifique et servent de plateforme pour des recherches intégrées et méta-analytiques au sein de la communauté scientifique des miARN. Ces dépôts fournissent aux chercheurs un portail par lequel ils peuvent accéder à des données de séquençage de miARN soigneusement sélectionnées, provenant d'une myriade d'échantillons biologiques, de paradigmes expérimentaux et de conditions pathophysiologiques. En conséquence, ils offrent des opportunités pour des investigations panoramiques sur le paysage des profils d'expression des miARN et la délimitation de leurs réseaux régulateurs complexes.

Importance d'accéder aux bases de données de séquençage de miARN

Échange de données et productivité interdisciplinaire : les bases de données de séquençage des miARN fonctionnent comme des plateformes unifiées qui facilitent l'échange et la publication mondiaux des données de séquençage des miARN, provenant d'une multitude d'entités de recherche. En exploitant ces ressources collectives, les chercheurs individuels contribuent non seulement avec leurs ensembles de données uniques, mais peuvent également accéder à une pléthore de données accessibles au public. Cela soutient par conséquent des projets coopératifs avec d'autres chercheurs, favorisant l'exécution d'analyses méta significatives et complètes ainsi que d'études de fusion.

Outil pour l'examen comparatif : les bases de données de séquençage de miARN équipent les chercheurs d'un accès à une profusion de données d'expression de miARN soigneusement sélectionnées, issues de divers contextes biologiques, espèces et conditions expérimentales. Cela agit comme un catalyseur pour l'investigation comparative des schémas de manifestation des miARN, identifiant à la fois les miARN conservés et les miARN spécifiques à certaines espèces, et facilite l'exploration des réseaux de régulation influencés par les miARN en relation avec la santé et la maladie.

Validation probatoire et fiabilité cohérente : L'utilisation de bases de données de séquençage de miARN permet aux chercheurs de consolider la validité de leurs résultats personnels tout en garantissant la reproductibilité des résultats récurrents grâce à la juxtaposition de leurs données expérimentales avec des ensembles de données accessibles universellement. De telles pratiques renforcent la transparence, la minutie et la robustesse dans l'enquête sur les miARN et aident à isoler les signatures de miARN récurrentes et les voies régulatrices s'étendant sur des études indépendantes.

Formulation d'hypothèses et découverte novatrice : Servant de ressources semblables à un trésor, les bases de données de séquençage de miARN favorisent non seulement la création d'hypothèses mais aussi la révélation de nouvelles découvertes en offrant aux chercheurs l'opportunité d'explorer des entités de miARN inconnues, des interactions régulatrices et des associations fonctionnelles. Tirer parti des ensembles de données préexistants permet aux chercheurs de déterrer des biomarqueurs de miARN révolutionnaires, des cibles thérapeutiques et des connaissances mécanistiques profondément ancrées dans des opérations biologiques complexes.

Ressources clés pour accéder aux bases de données de séquençage de miARN

Évaluation de la profondeur de séquençage des miARN

Évaluation de la profondeur de séquençage des miARN

séquençage de miARN La profondeur se réfère au nombre de lectures de séquençage générées pour le profilage des miARN dans un échantillon donné. Évaluer la profondeur de séquençage est crucial dans les expériences de séquençage de miARN, car cela impacte directement l'exactitude, la sensibilité et la fiabilité de la quantification de l'expression des miARN.

Importance de la profondeur de séquençage

Sensibilité de détection : Assurer une profondeur de séquençage appropriée est fondamental pour la détection fiable des miARN moins abondants, qui peuvent souvent être essentiels à la compréhension de certains processus biologiques et mécanismes de maladie. Ne pas atteindre une profondeur de séquençage suffisante peut entraîner la non-détection de miARN rares ou peu exprimés, ce qui peut provoquer des profils d'expression biaisés et une représentation incomplète du paysage des miARN.

Plage dynamique : Lorsqu'une profondeur de séquençage optimale est atteinte, cela permet la quantification précise de l'expression des miARN sur une plage dynamique plus large - allant des miARN très abondants aux miARN faiblement exprimés. Une couverture de séquençage intensive en profondeur garantit une détection linéaire des niveaux d'expression des miARN, facilitant ainsi l'identification de variations subtiles dans les niveaux d'expression et permettant l'analyse de l'expression différentielle dans différentes conditions expérimentales.

Confiance Statistique : Une profondeur de séquençage élevée amplifie la fiabilité statistique des mesures d'expression des miARN en réduisant la variabilité d'échantillonnage et en augmentant la dépendabilité de l'analyse d'expression différentielle. Assurer une couverture de lecture adéquate permet une estimation robuste de la variance d'expression des miARN, des intervalles de confiance et de la signification statistique, amplifiant ainsi la reproductibilité et l'interprétabilité des résultats expérimentaux.

Potentiel de découverte : Une profondeur de séquençage élevée accroît le potentiel de découverte dans les expériences de séquençage de miARN en facilitant une exploration approfondie des nouveaux miARN, des isomiRs et des variantes d'épissage alternatives. Une couverture de séquençage accrue augmente la probabilité de détecter des entités de miARN rares ou nouvelles, alimentant ainsi la découverte de nouveaux biomarqueurs, cibles thérapeutiques et éléments régulateurs.

Facteurs affectant la profondeur de séquençage

Complexité de l'échantillon : La complexité d'un échantillon biologique, incluant la variété et l'abondance des miARN, influence directement la profondeur de séquençage requise. Les échantillons caractérisés par une grande diversité de miARN ou une faible concentration de miARN peuvent nécessiter une couverture de séquençage plus profonde pour capturer suffisamment les miARN rares ou peu exprimés.

Efficacité de la préparation de la bibliothèque : Les différences dans l'efficacité de la préparation de la bibliothèque, qui comprend l'extraction d'ARN, l'enrichissement en miARN, la ligation des adaptateurs et les étapes d'amplification, peuvent affecter la profondeur de séquençage. Une préparation de bibliothèque moins qu'optimale pourrait entraîner une perte d'échantillon, un biais ou un séquençage inefficace, conduisant à une profondeur de séquençage réduite et à une qualité de données compromise.

Plateforme de séquençage et chimie : Le choix de la plateforme de séquençage et de la chimie peut influencer la profondeur de séquençage en raison des différences dans le rendement de séquençage, la longueur des lectures, le taux d'erreur et le coût du séquençage. Les plateformes de séquençage de nouvelle génération telles qu'Illumina, Ion Torrent et Oxford Nanopore offrent une gamme de profondeurs de séquençage et de capacités de débit, qui doivent être prises en compte lors de la planification des expériences de séquençage de miARN.

Conception expérimentale et objectif : La conception expérimentale, les objectifs de recherche et les analyses en aval proposées déterminent la profondeur de séquençage requise. Les investigations visant un profilage complet des miARN, la découverte de biomarqueurs ou l'analyse d'expression différentielle peuvent nécessiter une plus grande profondeur de séquençage par rapport aux études exploratoires ou pilotes.

Stratégies d'optimisation

Performance des enquêtes préliminaires et regroupement d'échantillons : Les études préliminaires et le regroupement d'échantillons peuvent aider à prédire l'ampleur nécessaire de la profondeur de séquençage, compte tenu de la complexité et de la variabilité inhérentes aux échantillons expérimentaux. L'initiation de projets de séquençage pilotes ouvre la voie aux chercheurs pour affiner les protocoles de préparation de bibliothèques, évaluer le rendement de séquençage attendu et déterminer la profondeur optimale pour de futures expérimentations à grande échelle.

Normalisation et Assurance Qualité : L'incorporation de techniques de normalisation et le renforcement de mesures strictes de contrôle de la qualité peuvent augmenter l'uniformité de la profondeur de séquençage et améliorer la fiabilité des données. Les méthodes de normalisation telles que les Lectures Par Million (RPM) ou les Transcrits Par Million (TPM) ajustent les variations de taille de bibliothèque et de profondeur de séquençage, permettant ainsi des comparaisons précises des niveaux d'expression des miARN entre plusieurs échantillons.

Analyse ajustée pour la profondeur : Modifier le pipeline d'analyse pour tenir compte de la variabilité de la profondeur de séquençage peut renforcer la robustesse et la comparabilité des profils d'expression des miARN. Les stratégies de normalisation ajustées pour la profondeur, telles que DESeq2 ou edgeR, intègrent la profondeur de séquençage comme une covariable essentielle dans l'analyse de l'expression différentielle, atténuant les biais issus des variations de profondeur de séquençage.

Trouver un équilibre entre le coût et la couverture : Équilibrer la profondeur du séquençage avec des considérations de coût pratiques est crucial pour optimiser les résultats expérimentaux et maximiser l'utilisation des ressources. Les chercheurs doivent évaluer les compromis entre la profondeur du séquençage, la qualité des données et les contraintes budgétaires.

Perspectives futures dans la recherche sur le séquençage des miARN

Alors que la technologie pour séquençage de miARN continue d'évoluer, nous pouvons envisager plusieurs directions futures qui promettent d'améliorer non seulement notre compréhension de la biologie des miARN, mais aussi ses applications cliniques pratiques :

Séquençage de miARN à cellule unique : Avec des avancées impressionnantes dans le domaine des technologies de séquençage à cellule unique, on peut anticiper des opportunités sans précédent pour déchiffrer les profils d'expression de miARN spécifiques aux cellules et les réseaux régulateurs associés. Cela peut, à son tour, éclaircir l'hétérogénéité des cellules et leurs dynamiques réactionnelles dans les contextes de la santé et de la pathologie.

Séquençage à long lecture : En combinant des plateformes de séquençage à long lecture, telles qu'Oxford Nanopore et PacBio, avec le séquençage des miARN, il existe un potentiel pour des caractérisations plus approfondies des isoformes de miARN, des événements d'épissage alternatif et des variations structurelles. Cette intégration élève efficacement la précision et la résolution du profilage des miARN.

Analyse multi-omique intégrative : La fusion des données de séquençage de miARN avec des données omiques disparates (y compris, mais sans s'y limiter, le séquençage d'ARNm, l'épigénomique et la protéomique) promet de permettre une exploration plus multidimensionnelle des réseaux de régulation génique. Cette approche peut révéler des interactions profondément tissées et des corrélations fonctionnelles sous-jacentes à une multitude de processus biologiques complexes.

Translation clinique et découverte de biomarqueurs : Alors que les efforts concertés pour faciliter la corroboration clinique ainsi que la découverte de biomarqueurs utilisant le séquençage des miARN se poursuivent sans relâche, la perspective de discerner des cibles diagnostiques, pronostiques et thérapeutiques innovantes dans une variété de maladies se précise. Cela, dans un sens plus large, pose une base solide pour les développements ultérieurs dans les interventions de médecine personnalisée et d'oncologie de précision.

En résumé, le séquençage des miARN représente un outil puissant pour déchiffrer le paysage complexe de la régulation génique médiée par les miARN, offrant des aperçus sur des processus biologiques fondamentaux et des mécanismes de maladie. En tirant parti des avancées dans les technologies de séquençage, l'analyse bioinformatique et les approches intégratives, les chercheurs peuvent percer les complexités des miARN et exploiter leur potentiel pour des applications transformantes dans la recherche biomédicale et la pratique clinique.

Références :

1. Haseeb, A., Makki, M.S., Khan, N.M. et al. Séquençage profond et analyses des miARN, isomiRs et complexe de silençage induit par les miARN (miRISC) associé au miRNome dans des chondrocytes humains primaires. Sci Rep 7, 15178 (2017).
2. Jardillier R, Koca D, Chatelain F, Guyon L. Profondeur de séquençage microARN optimale pour prédire la survie des patients atteints de cancer avec des modèles Random Forest et Cox. Genes (Bâle). 2022
3. Campbell JD, Liu G, Luo L, Xiao J, Gerrein J, Juan-Guardela B, Tedrow J, Alekseyev YO, Yang IV, Correll M, Geraci M, Quackenbush J, Sciurba F, Schwartz DA, Kaminski N, Johnson WE, Monti S, Spira A, Beane J, Lenburg ME. Évaluation de l'expression différentielle des microARN et détection dans des données de séquençage d'ARNs petits multiplexés. RNA. 2015
4. Khamina K, Diendorfer AB, Skalicky S, Weigl M, Pultar M, Krammer TL, Fournier CA, Schofield AL, Otto C, Smith AT, Buchtele N, Schoergenhofer C, Jilma B, Frank BJH, Hofstaetter JG, Grillari R, Grillari J, Ruprecht K, Goldring CE, Rehrauer H, Glaab WE, Hackl M. Un essai de découverte par séquençage de nouvelle génération de microARN (miND) pour l'analyse à l'échelle du génome et la quantification absolue des biomarqueurs de microARN circulants. Int J Mol Sci. 2022
5. Potla P, Ali SA, Kapoor M. Une approche bioinformatique pour l'analyse du séquençage des microARN. Osteoarthr Cartil Open. 19 décembre 2020;3(1):100131. doi: 10.1016/j.ocarto.2020
6. Pérez-Rodríguez D, López-Fernández H, Agís-Balboa RC. Application de miRNA-seq en neuropsychiatrie : Une perspective méthodologique. Comput Biol Med. 2021 août ;135 :104603. doi : 10.1016/j.compbiomed.2021
7. Oh JN, Son D, Choi KH, Hwang JY, Lee DK, Kim SH, Lee M, Jeong J, Choe GC, Lee CK. Données d'expression des microARN des cellules pluripotentes et somatiques et identification des microARN spécifiques au type cellulaire chez les porcs. Data Brief. 2020
8. Motameny S, Wolters S, Nürnberg P, Schumacher B. Séquençage de nouvelle génération des miARN - Stratégies, ressources et méthodes. Genes (Bâle). 2010