Bayesian transcriptome assembly.
Bayesian transcriptome assembly.
复制标题
DOI：
10.1186/s13059-014-0501-4
复制
发表时间：
2014
期刊：
影响因子：
12.3
通讯作者：
Krogh A
中科院分区：
文献类型：
--
作者：
Maretty L;Sibbesen JA;Krogh A
RNA测序允许同时发现和定量转录本，但从这样的数据重建完整的转录本仍然很困难。在这里，我们介绍Bayesembler，一种新的概率方法转录组组装的贝叶斯模型的RNA测序过程。在该模型下，使用Gibbs抽样从转录物及其丰度值的后验分布获得样本。通过使用频率，在该成绩单在采样过程中观察到选择最终的组装，我们证明了显着的改进，在灵敏度和精度超过国家的最先进的汇编器上的模拟和真实的数据。Bayesembler可以在https://github.com/bioinformatics-centre/bayesembler上找到。本文的在线版本（doi：10.1186/s13059-014-0501-4）包含补充材料，可供授权用户使用。
RNA sequencing allows for simultaneous transcript discovery and quantification, but reconstructing complete transcripts from such data remains difficult. Here, we introduce Bayesembler, a novel probabilistic method for transcriptome assembly built on a Bayesian model of the RNA sequencing process. Under this model, samples from the posterior distribution over transcripts and their abundance values are obtained using Gibbs sampling. By using the frequency at which transcripts are observed during sampling to select the final assembly, we demonstrate marked improvements in sensitivity and precision over state-of-the-art assemblers on both simulated and real data. Bayesembler is available at https://github.com/bioinformatics-centre/bayesembler. The online version of this article (doi:10.1186/s13059-014-0501-4) contains supplementary material, which is available to authorized users.
登录
查看更多内容
影响因子：
46.9
作者：
Trapnell C;Williams BA;Pertea G;Mortazavi A;Kwan G;van Baren MJ;Salzberg SL;Wold BJ;Pachter L
通讯作者：
Pachter L
影响因子：
3
作者：
Tomescu AI;Kuosmanen A;Rizzi R;Mäkinen V
通讯作者：
Mäkinen V
影响因子：
48
作者：
Langmead, Ben;Salzberg, Steven L.
通讯作者：
Salzberg, Steven L.
DOI：
10.1093/bioinformatics/bts094
发表时间：
2012-04-15
期刊：
Bioinformatics (Oxford, England)
影响因子：
--
作者：
Schulz MH;Zerbino DR;Vingron M;Birney E
通讯作者：
Birney E
影响因子：
5.8
作者：
Li, Wei;Jiang, Tao
通讯作者：
Jiang, Tao