Profiling small RNA reveals multimodal substructural signals in a Boltzmann ensemble.
Profiling small RNA reveals multimodal substructural signals in a Boltzmann ensemble.
复制标题
DOI：
10.1093/nar/gku959
复制
发表时间：
2014-12-16
影响因子：
14.9
通讯作者：
Heitsch CE
中科院分区：
文献类型：
--
作者：
Rogers E;Heitsch CE
随着小RNA的生物医学影响的增长，了解功能感兴趣区域的竞争性结构替代方案的需求也在增长。次优结构分析提供了比单个最小自由能预测显著更多的RNA碱基配对信息。然而，像玻尔兹曼采样这样的计算增强技术还没有被实验学家完全采用，因为在这些数据中识别有意义的模式可能具有挑战性。分析是一种挖掘RNA次优结构数据的新方法，它以稳定和可靠的方式提供了基于集成的分析功能。平衡抽象性和特异性，分析识别主导低能RNA二级结构的碱基对的显著组合。通过设计，突出了关键的相似性和差异性，为分子生物学家提供了关键信息。该代码可通过http://gtfold.sourceforge.net/profiling.html免费获得。
As the biomedical impact of small RNAs grows, so does the need to understand competing structural alternatives for regions of functional interest. Suboptimal structure analysis provides significantly more RNA base pairing information than a single minimum free energy prediction. Yet computational enhancements like Boltzmann sampling have not been fully adopted by experimentalists since identifying meaningful patterns in this data can be challenging. Profiling is a novel approach to mining RNA suboptimal structure data which makes the power of ensemble-based analysis accessible in a stable and reliable way. Balancing abstraction and specificity, profiling identifies significant combinations of base pairs which dominate low-energy RNA secondary structures. By design, critical similarities and differences are highlighted, yielding crucial information for molecular biologists. The code is freely available via http://gtfold.sourceforge.net/profiling.html.
登录
查看更多内容
影响因子：
3.6
作者：
Miyashiro T;Wollenberg MS;Cao X;Oehlert D;Ruby EG
通讯作者：
Ruby EG
影响因子：
14.9
作者：
Ding, Y;Chan, CY;Lawrence, CE
通讯作者：
Lawrence, CE
影响因子：
1.8
作者：
HOFACKER, IL;FONTANA, W;SCHUSTER, P
通讯作者：
SCHUSTER, P
影响因子：
1.7
作者：
Moulton, V;Zuker, M;Penny, D
通讯作者：
Penny, D
影响因子：
14.9
作者：
Griffiths-Jones, S;Bateman, A;Eddy, SR
通讯作者：
Eddy, SR