内容

1简介

RNA的生命周期由三个主要步骤组成，即转录和早熟RNA的加工(\ (P \))和成熟的(\ \(米))．控制这些步骤的动力学速率定义了每个转录本的动力学(\ (k_ {1} \)分别为合成、加工和降解)，它们在转录调节中的作用往往被低估。要完全理解RNA生命周期的速率对早熟和成熟RNA的影响，需要数学和/或计算机技能来解决相应的微分方程组:

\[开始\{方程}{情商:modelsystem} \ \标签左\{{数组}{l l} \ \开始点P {} = k_1 - k_2 \ \ cdot \, P \ \ \点{M} = k_2 \ \ cdot \, P - k_3 \ \ cdot \, M \结束数组{}\正确。结束\{方程}\]

这个微分方程组是由检查当经切数据和(可能)新合成的RNA可用时，估计RNA生命周期的速率。检查目的是通过对RNA动力学速率的时间行为进行建模，以评估每个基因的动力学。

的建模过程的输出进行可视化和交互检查，为了便于理解RNA动力学速率对早产儿和成熟RNA动力学的影响，我们开发了图形用户界面(GUI)。具体来说，GUI允许:

  1. 与结果互动检查对单个基因进行分析，完善模型，或测试与所确定的调节模式不同的调节模式检查
  2. 探索一个给定的速率组合如何导致早熟和成熟RNA物种的动力学行为。

重要的是，我们开发了两个包装器函数(inspectFromBAM而且inspectFromPCR,请参阅检查更多细节的小插图)，它简化了小说的生成检查数据集，并在GUI中上传。

2从R会话运行应用程序

GUI分布在检查包，并从以下命令行操作开始:

库(检查)runINSPEcTGUI ()

3.图形用户界面的呈现

GUI分为4个部分(图1)。1)：

GUI的表示分为4个主要部分。

图1:GUI的表示分为4个主要部分

3．1与类对象的交互检查

在启动时，软件加载一个预定义的检查对象，其中包含10个基因，可用于探索软件功能。该对象可以被任意对象替换检查之前以“rds”格式保存的数据集(“选择检查文件”,无花果。2)．基因的一部分检查对象根据它们的规则类进行划分。这是由一个字符串编码，其中字母表示被调节的RNA生命周期的步骤(' s '表示合成，' p '表示处理，' d '表示降解)。例如:“p”表示基因只受其加工速率的调节，“sd”表示基因的合成和降解速率的调节。当没有费率被确定为受管制时，相应的类别被命名为“no-reg”。一旦通过“选择类”选择了一个调控类，就可以从“选择基因”中出现的列表中选择特定的基因(图。2)．实验剖面可能会被平滑，以减少与这类数据相关的噪声(图“选择输入”中的“平滑实验数据”)。2)．但默认选择原始实验数据(图“选择输入”中“原始实验数据”)。2)．“选择输入”中的“用户定义”模式将在章节中介绍4．

与INSPEcT类对象的交互(第1节)。

图2:与INSPEcT类对象的交互(第1节)

3.2单个基因的RNA动态可视化

对于选定的基因，过早和成熟RNA水平的实验量化(从RNA-seq数据估计)与他们的标准偏差一起绘制(图。3.)．如果已经对新生RNA进行了分析，合成速率也被认为是实验数据的一部分(因为它直接来自新生RNA分析)，并以其标准偏差绘制。否则，合成速率是从总RNA-seq数据推断出来的，缺乏标准偏差。调查结果检查在合成、pre-RNA、加工、成熟RNA和降解面板中，用连续线绘制建模图(图2)。3.)，并可以PDF(图像)或TSV(表格)格式下载。在绘图面板下面，可视化选项允许:

  • 打开/关闭对数时间间隔(“Log time”)，
  • 停止y轴限制的自动调整，从而冻结它们(“固定y轴”)，
  • 从绝对速率和浓度转换到相对于其初始值的测量(“Rel.Expr.”)。
单个基因RNA动态的可视化(第2节)。

图3:单个基因的RNA动态可视化(第2节)

3．3最小化模型

与建模相对应的最小化状态在GUI的第3部分中报告(图2)。4)．特别是，与拟合优度统计量相关的p值和赤池信息准则表明了模型解释实验观测的能力。这两个指标都因模型的复杂性而受到惩罚，这意味着它们衡量的是其性能和简单性之间的权衡，并且它们可用于比较具有不同复杂性的模型。模型的复杂性取决于描述RNA生命周期动力学速率的函数形式:常数速率的复杂性为1,s型为4，脉冲为6，即它们参数的数量。在实践中，当两个模型都能很好地解释数据时，选择较简单的一个(拟合统计量的p值较低，AIC较低)。此外，拟合优度p值用于评估所考虑的模型是否充分解释实验数据(例如p<0.05)。最后，报告最小化状态，即最小化是否收敛到局部最小值。可以使用Nelder Mead方法(NM，用于从检查)或准牛顿BFGS方法(点击“优化-运行”)。

模型最小化(第3节)。

图4:模型最小化(第3节)

3.4与RNA动力学速率个别参数的相互作用

建模参数可以直接“手工”修改。事实上，对于RNA生命周期的每一个动力学速率，描述所选功能形式的参数在GUI的右侧提供(图2)。5)．常数速率由一个参数描述，该参数对应于整个时间过程中的速率值。相反，可变速率可以用sigmoid函数或脉冲函数来描述。Sigmoids是s形函数，由四个参数描述:起始水平、最终水平、起始水平和最终水平之间的过渡时间以及响应的斜率。脉冲函数允许更复杂的行为，有两个额外的参数，描述时间和第二个转变的水平，可能编码钟形反应。可以为每个费率设置起始和最终级别的滑块范围(“设置最小值”和“设置最大值”)，使费率级别设置具有充分的灵活性。在启动时，这些范围被设置为覆盖示例数据集的所有参数的范围。每次加载新的数据集时，范围都会相应更新。

与RNA生命周期动力学速率的直接相互作用(第4节)。

图5:与RNA生命周期动力学速率的直接相互作用(第4节)

用户可以测试与所选方案不同的调节方案检查，通过调优每个函数参数，或通过更改分配给一个或多个速率的函数形式。在后一种情况下，新的参数设置可以手工定义，或通过最小化数据误差(3．3)．值得注意的是，在导数框架内，变量函数形式在运动速率之间是相同的。因此，可以将sigmoid(或脉冲)与常数组合，而不能将sigmoid(或脉冲)与常数组合。每当模型被修改时，它的图和最小化状态都会被更新。

3．5通过置信区间估计评估率变异性

按钮“Conf.Int.”，图面板下方。2)决定模型率的95%置信区间。该过程的运行时间根据分析框架、时间点的数量和模型的复杂性而不同。分析框架取决于的设置检查在生成加载的数据集时。一般来说，置信区间的量化在导数框架中更快，而在综合框架中更慢(在最坏的情况下，最多几分钟)。然后使用置信区间来评估每个速率的可变性，测试原假设，即速率剖面可以由常数模型拟合。测试p值被报告到相应速率的y轴标签中。模型的每一次变化都需要重新计算置信区间，因此，特别是在综合框架中，建议在模型确定时计算置信区间。

4从头假设生成-案例研究

前几节解释的程序主要是指与实验数据的相互作用。尽管如此，该软件的设计也可以独立于实验来检验假设。这可以通过在“选择输入”中选择“用户定义(无输入)”来轻松实现。2)．在这种模式下，既不表示行数据，也不表示平滑的实验数据，也不表示最小化状态。因此，用户可以自由地设置每个RNA动力学速率的功能形式(和相应的参数)，直接评估对早熟和成熟RNA动力学的影响。在接下来的小节中，我们将报告一些案例研究，以举例说明RNA动力学速率在早熟和成熟RNA动力学定义中的作用。

4．1恒定的RNA动力学速率

动力学速率的组合决定了成熟和早熟RNA物种的丰度。具体来说，合成速率和加工速率之间的比率决定了早熟的RNA水平，合成速率和降解速率之间的比率决定了成熟的RNA水平。当没有扰动发生时，这种长期存在的状态称为稳态。(设置速率为:合成=常数{10};处理=常数{20};退化=常数{2})

案例研究1:恒动速率。

图6:案例研究1:恒动速率

因此，稳态早熟RNA水平独立于降解速率，并且(更重要但更不直观)稳态成熟RNA水平独立于加工速率。

4.2处理速率的调制

如上所述，稳态成熟RNA水平与处理速率无关。尽管如此，加工动力学的扰动导致成熟RNA水平的短暂变化。相反，它对过早的RNA水平产生持久的影响。(设置速率为:合成=常数{10};Processing = sigmoidal{5,20,8,1};退化=常数{2})

案例研究2:处理速率的调制。

图7:案例研究2:处理速率的调制

值得注意的是，降解速率的降低降低了成熟RNA扰动的幅度。(设置退化=常数{0.5})

4.３合成速率的调制

合成速率的调制决定了早熟和成熟rna的类似调制(与未处理的条件相比，在倍数变化方面)。(设置速率为:synthesis = sigmoidal{10,20,8,1};处理=常数{20};退化=常数{2})

案例研究3:合成速率调制。

图8:案例研究3:合成速率调制

值得注意的是，合成调制和早熟RNA响应之间的时间差与处理速率成反比(设置处理=常数{10})。按照同样的逻辑，早熟rna和成熟rna响应的时间差与降解率成反比(设降解=常数{0.5})。

4.4合成和降解速率的同步调节

当合成和降解速率在同一方向调节时，它们对成熟RNA水平的作用相反，只在过早RNA水平上留下转录调节的痕迹(在酵母热休克反应中观察到类似的反应)。(设置速率为:synthesis = sigmoidal{10,20,8,1};处理=常数{20};退化= s形{0.25,0.5,8,1})。相反，合成和降解的相反调控强化了成熟RNA的调控。(Set degradation = sigmoidal{0.5,0.25,8,1})

案例研究4:合成和降解速率的伴随调制。

图9:案例研究4:合成和降解速率的伴随调制

5视频教程

6关于本文档

sessionInfo ()
## R版本4.2.1(2022-06-23)##平台:x86_64-pc-linux-gnu(64位)##运行在Ubuntu 20.04.5 LTS ## ##矩阵产品:默认## BLAS: /home/biocbuild/bbs-3.16-bioc/R/lib/libRblas。/home/biocbuild/bbs-3.16-bioc/R/lib/libRlapack。所以## ## locale: ## [1] LC_CTYPE=en_US。UTF-8 LC_NUMERIC= c# # [3] LC_TIME=en_GB LC_COLLATE= c# # [5] LC_MONETARY=en_US。utf - 8 LC_MESSAGES = en_US。UTF-8 ## [7] LC_PAPER=en_US。UTF-8 LC_NAME= c# # [9] LC_ADDRESS=C lc_phone = c# # [11] LC_MEASUREMENT=en_US。UTF-8 LC_IDENTIFICATION=C ## ##附加的基本包:## [1]stats4 stats graphics grDevices utils datasets methods ##[8]基础## ##其他附加包:## [8] INSPEcT_1.28.0 ## [9] BiocParallel_1.32.0 ## [10] BiocGenerics_0.44.0 ## [12] BiocStyle_2.26.0 ## ##通过命名空间加载(并且没有附加):# # # # [1] colorspace_2.0-3 rjson_0.2.21 [3] ellipsis_0.3.2 XVector_0.38.0 # # [5] bit64_4.0.5 fansi_1.0.3 # # [7] xml2_1.3.3 codetools_0.2-18 # # [9] splines_4.2.1 rootSolve_1.8.2.3 # # [11] cachem_1.0.6 geneplotter_1.76.0 # # [13] knitr_1.40 jsonlite_1.8.3 # # [15] pROC_1.18.0 Rsamtools_2.14.0 # # [17] annotate_1.76.0 dbplyr_2.2.1 # # [19] png_0.1-7 shiny_1.7.3 # # [21] BiocManager_1.30.19 compiler_4.2.1 # # [23] httr_1.4.4 assertthat_0.2.1 # # [25] Matrix_1.5-1 fastmap_1.1.0 # # [27] cli_3.4.1 later_1.3.0## [29] htmltools_0.5.3 prettyunits_1.1.1 ## [31] tools_4.2.1 gtable_0.3.1 ## [33] glue_1.6.2 GenomeInfoDbData_1.2.9 ## [35] dplyr_1.0.10 rappdirs_0.3.3 ## [37] Rcpp_1.0.9 jquerylib_0.1.4 ## [39] vctrs_0.5.0 Biostrings_2.66.0 ## [41] gdata_2.18.0.1 rtracklayer_1.58.0 ## [43] xfun_0.34 stringr_1.4.1 ## [45] mime_0.12 lifecycle_1.0.3 ## [47] restfulr_0.0.15 gtools_3.9.3 ## [49] XML_3.99-0.12 zlibbioc_1.44.0 ## [51] MASS_7.3-58.1 scales_1.2.1 ## [53] hms_1.1.2 promises_1.2.0.1 ## [55] MatrixGenerics_1.10.0 parallel_4.2.1 ## [57] SummarizedExperiment_1.28.0 RColorBrewer_1.1-3 ## [59] yaml_2.3.6 curl_4.3.3 ## [61] memoise_2.0.1 ggplot2_3.3.6 ## [63] sass_0.4.2 biomaRt_2.54.0 ## [65] stringi_1.7.8 RSQLite_2.2.18 ## [67] highr_0.9 genefilter_1.80.0 ## [69] BiocIO_1.8.0 filelock_1.0.2 ## [71] rlang_1.0.6 pkgconfig_2.0.3 ## [73] matrixStats_0.62.0 bitops_1.0-7 ## [75] evaluate_0.17 lattice_0.20-45 ## [77] GenomicAlignments_1.34.0 bit_4.0.4 ## [79] tidyselect_1.2.0 deSolve_1.34 ## [81] plyr_1.8.7 magrittr_2.0.3 ## [83] bookdown_0.29 DESeq2_1.38.0 ## [85] R6_2.5.1 magick_2.7.3 ## [87] generics_0.1.3 DelayedArray_0.24.0 ## [89] DBI_1.1.3 pillar_1.8.1 ## [91] survival_3.4-0 KEGGREST_1.38.0 ## [93] RCurl_1.98-1.9 tibble_3.1.8 ## [95] plgem_1.70.0 crayon_1.5.2 ## [97] KernSmooth_2.23-20 utf8_1.2.2 ## [99] BiocFileCache_2.6.0 rmarkdown_2.17 ## [101] progress_1.2.2 locfit_1.5-9.6 ## [103] grid_4.2.1 blob_1.2.3 ## [105] digest_0.6.30 xtable_1.8-4 ## [107] httpuv_1.6.6 munsell_0.5.0 ## [109] bslib_0.4.0