机构名称：
¥ 1.0
多聚腺苷酸化是一个动态过程，在细胞生理学中非常重要。Oxford Nanopore Technologies 的直接 RNA 测序提供了一种对全长 RNA 分子进行测序以及对转录组和表观转录组进行分析的策略。目前有几种可用于 poly(A) 尾长估计的工具，包括 tailfindr 和 nanopolish 等成熟工具，以及两种较新的深度学习模型：Dorado 和 BoostNano。然而，这些工具的准确性与金标准数据集的基准测试有限。在本文中，我们使用合成 RNA 标准（Sequins）评估了四种 poly(A) 估计工具，这些标准具有已知的 poly(A) 尾长，并提供了一种衡量 poly(A) 尾长估计准确性的有效方法。所有四种工具生成的平均尾长估计值都在正确值的 12% 以内。总体而言，由于 Dorado 运行时间相对较快、变异系数低并且易于使用且可与碱基调用集成，因此被推荐作为首选方法。
使用合成 RNA 作为 RNA 直接测序中 poly(A) 长度推断的基准
主要关键词
相关文件推荐
