Nos últimos anos, devido ao surgimento de sequenciadores de alta performance, ocorreu um grande avanço no volume de dados de DNA e RNA. Isso fez com que as ciências “ômicas” entrassem na era do “BIG Data” ou “e-Science”. Atualmente, um enorme volume dados estão disponíveis para análises genômicas (de DNA) e transcriptômicas (de RNA) com aplicações diversas em áreas de conhecimento como melhoramento genético, fitopatologia e fisiologia vegetal. Trabalhos de Associação e/ou Seleção Genômica, transformação genética ou edição genômica, rastreamento e certificação, vem a cada dia utilizando mais e mais as informações “omicas” que despertam novas estratégias, inovadoras e precisas em pesquisa. Entretanto as ferramentas de análise desses dados "ômicos" ainda carecem de uma maior atenção, sendo necessário o desenvolvimento de métodos computacionais que possam selecionar, extrair e classificar as informações para a descoberta de conhecimento. Este curso irá apresentar este contexto e aplicação do método BASiNET que diferente de vários programas baseados em métodos de alinhamento de sequências, essa metodologia é baseada em modelos de reconhecimento de padrões e extração de características por meio de redes complexas para melhor sintetizar e selecionar as informações relevantes contidas nos dados de RNA-seq. Utiliza o princípio de machine learning, no qual o método, através de um set inicial de dados aprende automaticamente a reconhecer padrões de RNAs e usa esse aprendizado para melhorar a análise e o reconhecimento das carcaterísticas que identificam a classe a que pertence a sequência. Isso permite que tenhamos informações com uma maior precisão e acurácia dos dados gerados, como indicado no artigo publicado na revista Nucleic Acids Research (Ito et al. 2019 doi: 10.1093/nar/gky462). O BASiNET apresentou uma assertividade superior a outros programas na identificação e classificação de RNAs (codantes e não codantes) em dados de 13 espécies diferentes, incluindo plantas e animais. Algumas análises comparativas a performance foi superior a 10% na identificação de RNAs. Portanto a utilização do método representa um importante avanço na análise de dados de RNA, auxiliando trabalhos de transcriptoma para identificação de novos genes, análise de expressão gênica, identificação de regiões codantes e não codantes e por consequência estudos epigenéticos. Outro fator importante é a abrangência do método, podendo ser aplicado tanto em dados de RNA de animais como de vegetais. O método BASiNET é de livre acesso estando disponível a todos interessados no site do CRAN.
08/08/2022 - slides
- Apresentação dos conceitos de extração de características de RNA;
- Apresentação do método BASiNET;
- Hands on! Instalação e classificação de sequências biológicas utilizando o pacote BASiNET.
09/08/2022 - slides
- Avanços na extração de características de RNA;
- Apresentação do método BASiNETEntropy;
- Hands on! Instalação e classificação de sequências biológicas utilizando o pacote BASiNETEntropy.
- Aplicação dos conceitos de classificação de sequências biológicas;
- Avaliação de outros métodos de extração de características e classificação de sequências biológicas.
- Instalação do pacote BASiNET
- Instalação do pacote BASiNETEntropy
- Processamento de arquivos FASTA
Abaixo alguns métodos disponíveis para a classificação de RNA. Sinta-se livre para utilizá-los e complementar essa lista com novos métodos 😄 .
- BASiNET: Método disponível para a classificação de sequências biológicas. Disponível para a classificação de RNA codificantes, não-codificantes longos e curtos. Disponível no CRAN: https://cran.r-project.org/web/packages/BASiNET/. Tutorial de instalação e uso disponível em
/tutorials/install_basinet.md. - BASiNETEntropy: Método disponível para a classificação de sequências biológicas. Disponível para a classificação de RNA codificantes, não-codificantes longos e curtos. Disponível no CRAN: https://cran.r-project.org/web/packages/BASiNETEntropy. Tutorial de instalação e uso disponível em
/tutorials/install_basinetentropy.md. - RNAcon: Método disponível para a classificação de RNA codificante e não-codificante. Além da classificação binária, é possível classificar o tipo de RNA pequeno não codificante. As características selecionadas para o classificador SVM são referentes a composição dos nucleotideos. Disponível em
/methods/RNAcon/. Execução direta utilizando o guia de uso disponível no arquivo. - PLEK: Método disponível para a classificação de RNA codificante e não-codificante. As características selecionadas para o classificador SVM são referentes ao
k-mers. Disponível para download em: https://sourceforge.net/projects/plek/files/. Tutorial para uso e instalação disponível em: http://202.200.112.245/plek/installation.html.
Etapa de treinamento pode levar tempo, segundo autores - CPC2: Método disponível para a classificação de RNA codificante e não-codificante. As características selecionadas para o classificador SVM são referentes a ORF (tamanho e integridade). Documentação e download disponível em: http://cpc2.gao-lab.org/download.php. Uma versão também está disponível em
/methods/CPC2/. - CPPred: Método disponível para a classificação de RNA codificante e não-codificante. As características selecionadas para o classificador SVM são referentes a ORF (tamanho, cobertura e integridade). Documentação e download disponível em: http://www.rnabinding.com/CPPred/. Uma versão também está disponível em
/methods/CPPred/. - lncFinder: Método disponível para a classificação de RNA codificante e não-codificante. As características selecionadas para o classificador SVM são referentes a ORF (tamanho e cobertura). Disponível no CRAN: https://cran.r-project.org/web/packages/LncFinder/. Possui etapa de treinamento através da função
build_model. - CNIT: Método disponível para a classificação de RNA codificante e não-codificante. As características selecionadas para o classificador XGBoost são referentes as triplas de nucleotideos adjacentes. Documentação e download disponível em: http://cnit.noncode.org/CNIT/download. Uma versão também está disponível em
/methods/CNIT/. - Lncident: Método disponível para a classificação de RNA codificante e não-codificante. As características selecionadas para o classificador SVM são referentes a ORF (tamanho e cobertura). Documentação e download disponível em: http://csbl.bmb.uga.edu/mirrors/JLU/Lncident/index.php. Uma versão também está disponível em
/methods/Lncident/.
- human_gencodev32: Dataset completo contendo todas as sequências de transcritos e de RNA longo não codificante. Disponível em:
/dataset/HA1/ - human_gencodev32_process: Dataset
human_gencodev32processado e selecionadas algumas sequências para dataset balanceado. - human_gencodev38: Dataset completo contendo todas as sequências de transcritos e de RNA longo não codificante. Disponível em:
/dataset/human_r38/ - mouse_gencodev27: Dataset completo contendo todas as sequências de transcritos e de RNA longo não codificante. Disponível em:
/dataset/mouse_m27/