Depth normalization of small RNA sequencing: using data and biology to select a suitable method.
Depth normalization of small RNA sequencing: using data and biology to select a suitable method.
复制标题
DOI：
10.1093/nar/gkac064
复制
发表时间：
2022-06-10
影响因子：
14.9
通讯作者：
Qin, Li-Xuan
中科院分区：
文献类型：
--
作者：
Dueren, Yannick;Lederer, Johannes;Qin, Li-Xuan
深度测序已成为生物医学研究中最流行的转录组分析工具之一。虽然存在大量的计算方法用于“标准化”测序数据以去除由于实验处理而导致的不想要的样品间变化，但是对于哪种标准化最适合于给定的数据集没有共识。为了解决这个问题，我们开发了“DANA”-一种基于生物学动机和数据驱动指标评估microRNA测序数据标准化方法性能的方法。我们的方法利用microRNA的众所周知的生物学特征，用于其表达模式和染色体聚类，以同时评估（i）归一化如何有效地去除处理伪影以及（ii）归一化如何适当地保留生物信号。通过DANA，我们确认了八种常用的归一化方法在不同数据集上的性能差异很大，并为选择合适的方法提供了指导。因此，它应该被采用作为microRNA测序数据分析的常规预处理步骤（在归一化之前）。DANA是用R语言实现的，可在https://github.com/LXQin/DANA上公开获取。
Deep sequencing has become one of the most popular tools for transcriptome profiling in biomedical studies. While an abundance of computational methods exists for ‘normalizing’ sequencing data to remove unwanted between-sample variations due to experimental handling, there is no consensus on which normalization is the most suitable for a given data set. To address this problem, we developed ‘DANA’—an approach for assessing the performance of normalization methods for microRNA sequencing data based on biology-motivated and data-driven metrics. Our approach takes advantage of well-known biological features of microRNAs for their expression pattern and chromosomal clustering to simultaneously assess (i) how effectively normalization removes handling artifacts and (ii) how aptly normalization preserves biological signals. With DANA, we confirm that the performance of eight commonly used normalization methods vary widely across different data sets and provide guidance for selecting a suitable method for the data at hand. Hence, it should be adopted as a routine preprocessing step (preceding normalization) for microRNA sequencing data analysis. DANA is implemented in R and publicly available at https://github.com/LXQin/DANA.
登录
查看更多内容
影响因子：
64.8
作者：
通讯作者：
--
影响因子：
64.8
作者：
Lu, J;Getz, G;Golub, TR
通讯作者：
Golub, TR
Mirbase：MicroRNA基因组学的工具。
影响因子：
14.9
作者：
Griffiths-Jones, Sam;Saini, Harpreet Kaur;van Dongen, Stijn;Enright, Anton J.
通讯作者：
Enright, Anton J.
影响因子：
--
作者：
Chaulk, S. G.;Ebhardt, H. A.;Fahlman, R. P.
通讯作者：
Fahlman, R. P.
影响因子：
12.3
作者：
Law CW;Chen Y;Shi W;Smyth GK
通讯作者：
Smyth GK