[ad_1]
Cabili, M.N. et al. L'annotation intégrative des grands ARN intergènes humains non-codants révèle des propriétés globales et des sous-classes spécifiques. Genes Dev. 25, 1915-1927 (2011).
Derrien, T. et al. Le catalogue GENCODE v7 des ARN longs non codants humains: analyse de la structure, de l'évolution et de l'expression de leurs gènes. Génome res. 22, 1775-1789 (2012).
Iyer, M. K. et al. Le paysage des longs ARN non codants dans le transcriptome humain. Nat. Genet. 47199-208 (2015).
Hon, C.C. et al. Un atlas d'ARN humains longs non codants avec des extrémités 5 'précises. La nature 543199-204 (2017).
Carninci, P. et al. Le paysage transcriptionnel du génome de mammifère. Science 3091559-1563 (2005).
Necsulea, A. et al. L’évolution des répertoires lncARN et des schémas d’expression chez les tétrapodes. La nature 505635 à 640 (2014).
Washietl, S., Kellis, M. & Garber, M. Dynamique évolutive et spécificité tissulaire des longs ARN non codants humains chez six mammifères. Génome res. 24616–628 (2014).
Hezroni, H. et al. Principes de l'évolution des ARN non codants longs dérivés de la comparaison directe des transcriptomes chez 17 espèces. Cell Rep. 111110-1122 (2015).
Kopp, F. & Mendell, J. T. Classification fonctionnelle et dissection expérimentale d'ARN longs non codants. Cellule 172393–407 (2018).
Ponting, C. P., Oliver, P. L. & Reik, W. Evolution et fonctions des ARN longs non codants. Cellule 136629–641 (2009).
Ulitsky, I. Evolution à la rescousse: utiliser la génomique comparative pour comprendre les ARN longs non codants. Nat. Rev. Genet. 17, 601 à 614 (2016).
Necsulea, A. & Kaessmann, H. Dynamique évolutive des transcriptomes codants et non codants. Nat. Rev. Genet. 15, 734 à 748 (2014).
Guttman, M. et al. La signature de la chromatine révèle plus de mille grands ARN non codants hautement conservés chez les mammifères. La nature 458223–227 (2009).
Ulitsky, I., Shkumatava, A., Jan, C. H., Sive, H. et Bartel, D. P. Fonction conservée des ARN linc dans le développement embryonnaire des vertébrés malgré l'évolution rapide de la séquence. Cellule 1471537-1550 (2011).
Sauvageau, M. et al. Plusieurs modèles de souris knock-out révèlent que les lincARN sont nécessaires à la vie et au développement du cerveau. eLife. 2, e01749 (2013).
Grote, P. & Herrmann, B. G. Longs ARN non codants dans l'organogenèse: faire la différence. Tendances Genet. 31, 329 à 335 (2015).
Goff, L.A. et al. Expression spatio-temporelle et perturbations de la transcription par de longs ARN non codants dans le cerveau de souris. Proc. Natl Acad. Sci. Etats-Unis 112, 6855 à 6862 (2015).
Cardoso-Moreira, M. et al. Expression des gènes au cours du développement d'organes de mammifères. La nature (2019).
Zerbino, D. R. et al. Ensembl 2018. Acides Nucléiques Rés. 46, D754 – D761 (2018).
Conesa, A., Nueda, M. J., Ferrer, A. et Talón, M. maSigPro: une méthode permettant d'identifier de manière significative des profils d'expression différentiels dans des expériences de microréseaux dans le temps. Bioinformatique 221096-1102 (2006).
Liu, S. J. et al. Identification à l'échelle du génome basée sur CRISPRi de longs locus d'ARN non codants fonctionnels dans des cellules humaines. Science 355eaah7111 (2017).
Mukherjee, N. et al. Classification intégrative des gènes humains codants et non codants selon les profils de métabolisme de l'ARN. Nat. Struct. Mol. Biol. 24, 86–96 (2017).
Soumillon, M. et al. Source cellulaire et mécanismes de complexité élevée du transcriptome dans le testicule de mammifère. Cell Rep. 32179 à 2190 (2013).
Guttman, M. et Rinn, J. L. Principes de réglementation modulaires des grands ARN non codants. La nature 482, 339 à 346 (2012).
Andersson, R. et al. Un atlas d'activateurs actifs sur différents types de cellules et de tissus humains. La nature 507455–461 (2014).
Kutter, C. et al. Roulement rapide d'ARN longs non codants et évolution de l'expression des gènes. PLoS Genet. 8, e1002841 (2012).
Quek, X. C. et al. lncRNAdbv2.0: extension de la base de données de référence pour les ARN fonctionnels non codants longs. Acides Nucléiques Rés. 43, D168 – D173 (2015).
Melé, M. et al. L'environnement de la chromatine, la régulation de la transcription et l'épissage distinguent les ARN linc et les ARNm. Génome res. 27, 27–37 (2017).
Yevshin, I., Sharipov, R., Valeev, T., Kel, A. et Kolpakov, F. GTRD: une base de données des sites de liaison aux facteurs de transcription identifiés par les expériences ChIP-seq. Acides Nucléiques Rés. 45, D61 – D67 (2017).
Olson, E. N. Réseaux de régulation génique dans l'évolution et le développement du cœur. Science 313, 1922-1927 (2006).
Ruf, S. et al. Analyse à grande échelle de l'architecture réglementaire du génome de la souris avec un capteur associé à un transposon. Nat. Genet. 43379–386 (2011).
Engreitz, J. M. et al. Régulation locale de l'expression des gènes par les promoteurs d'ARNnc, transcription et épissage. La nature 539452–455 (2016).
Amaral, P. P. et al. La conservation de position génomique identifie les ARN de points d’ancrage topologiques liés aux locus du développement. Génome biol. 1932 (2018).
Luo, S. et al. Les lncARN divergents régulent l'expression des gènes et la différenciation des lignées dans les cellules pluripotentes. Cellule souche cellulaire 18637–652 (2016).
Bester, A. C. et al. Une approche CRISPRa intégrée à l’échelle du génome pour fonctionnaliser les ARNnc dans la résistance aux médicaments. Cellule 173649 à 664 (2018).
Jiang, W., Liu, Y., Liu, R., Zhang, K. et Zhang, Y. L'ARNncRNA DEANR1 facilite la différenciation de l'endoderme humain en activant l'expression de FOXA2. Cell Rep. 11137–148 (2015).
Jian, X. & Felsenfeld, G. Le promoteur de l'insuline dans les cellules β du pancréas humain entre en contact avec les loci de susceptibilité au diabète et régule les gènes affectant le métabolisme de l'insuline. Proc. Natl Acad. Sci. Etats-Unis 115E4633 à E4641 (2018).
Spigoni, G., Gedressi, C. & Mallamaci, A. Régulation de l'expression de Emx2 par des transcrits antisens dans des précurseurs cortico-cérébraux murins. PLoS ONE 5e8658 (2010).
Ramos, A. D. et al. L’intégration d’approches pangénomiques identifie les ARN lnc de cellules souches neurales adultes et leur progéniture in vivo. Cellule souche cellulaire 12616–628 (2013).
Li, W., Notani, D. & Rosenfeld, M. G. Enhancers en tant qu'unités de transcription d'ARN non codantes: aperçus récents et perspectives d'avenir. Nat. Rev. Genet. 17207-223 (2016).
Liu, S. J. et al. Analyse monocellulaire d'ARN longs non codants dans le néocortex humain en développement. Génome biol. 1767 (2016).
Lagarde, J. et al. Annotation à haut débit des ARN longs non codants de pleine longueur avec séquençage de capture à lecture longue. Nat. Genet. 491731-1740 (2017).
Li, H. et al. Le format d'alignement de séquence / carte et SAMtools. Bioinformatique 252078-2079 (2009).
Pertea, M. et al. StringTie permet une meilleure reconstruction d'un transcriptome à partir de lectures d'ARN-seq. Nat. Biotechnol. 33290–295 (2015).
Trapnell, C. et al. Analyse différentielle de l'expression génique et transcrite d'expériences sur l'ARN-seq avec TopHat et Cufflinks. Nat. Protocoles 7562-578 (2012).
Wang, L. et al. CPAT: outil d'évaluation du potentiel de codage utilisant un modèle de régression logistique sans alignement. Acides Nucléiques Rés. 41, e74 (2013).
Washietl, S. et al. RNAcode: discrimination robuste des régions codantes et non codantes dans les données de séquences comparatives. ARN 17578-594 (2011).
Altschul, S.F., Gish, W., W. Miller, Myers, E. W. & Lipman, D. J.. Outil de recherche d'alignement local de base. J. Mol. Biol. 215403 à 410 (1990).
Le Consortium UniProt. UniProt: la base de connaissances universelle sur les protéines. Acides Nucléiques Rés. 45, D158 à D169 (2017).
Finn, R. D. et al. La base de données des familles de protéines Pfam: vers un avenir plus durable. Acides Nucléiques Rés. 44, D279 – D285 (2016).
Anders, S., Pyl, P. T. et Huber, W. HTSeq: un framework Python permettant de travailler avec des données de séquençage à haut débit. Bioinformatique 31166–169 (2015).
Robinson, M.D., McCarthy, D.J. & Smyth, G.K. edgeR: un progiciel bioconducteur pour l'analyse de l'expression différentielle de données numériques d'expression de gènes. Bioinformatique 26139-140 (2010).
Love, M. I., Huber, W. et Anders, S. Estimation modérée du changement de pli et de la dispersion pour les données d'ARN-seq avec DESeq2. Génome biol. 15550 (2014).
Yanai, I. et al. Les profils de transcription de milieu de gamme du génome révèlent des relations de niveau d'expression dans la spécification des tissus humains. Bioinformatique 21650-659 (2005).
Li, L., Stoeckert, C.J. & Roos, D.S. OrthoMCL: identification de groupes orthologues pour les génomes eucaryotes. Génome res. 132178-2189 (2003).
Duret, L., Chureau, C., Samain, S., Weissenbach, J. et Avner, P. The. Xist Le gène de l'ARN a évolué chez les euthériens par pseudogénéisation d'un gène codant pour une protéine. Science 3121653-1655 (2006).
Hezroni, H. et al. Un sous-ensemble d'ARN de mammifère conservés non codants longs sont des fossiles de gènes codant pour des protéines ancestrales. Génome biol. 18162 (2017).
Smit, A. F. A., Hubley, R. et Green, P. RepeatMasker Open-4.0. v.4.0.6 (2013-2015).
Chen, J. et al. L'analyse de l'évolution chez les mammifères révèle des classes distinctes d'ARN longs non codants. Génome biol. 17, 19 (2016).
Quinlan, A.R. & Hall, I.M. BEDTools: une suite flexible d’utilitaires permettant de comparer les caractéristiques génomiques. Bioinformatique 26841–842 (2010).
Hinrichs, A.S. et al. La base de données du navigateur génomique UCSC: mise à jour 2006. Acides Nucléiques Rés. 34, D590 à D598 (2006).
Wucher, V. et al. FEELnc: un outil pour l'annotation longue d'ARN non codant et son application au transcriptome du chien. Acides Nucléiques Rés. 45, e57 (2017).
Kolde, R. pheatmap: Pretty Heatmaps. v.1.0.10 (2015).
Hensman, J., Rattray, M. et Lawrence, N., inférence variationnelle rapide dans la famille exponentielle conjuguée. Dans Progrès des systèmes de traitement de l'information neuronale 25 1-9 (2012).
Hensman, J., Lawrence, N. D. & Rattray, M. Modélisation hiérarchique bayésienne de la série temporelle de l'expression des gènes dans des réplicats et des grappes échantillonnés de manière irrégulière. BMC Bioinformatics 14, 252 (2013).
Hensman, J., Rattray, M. et Lawrence, N. D. Regroupement rapide non paramétrique de séries chronologiques structurées. IEEE Trans. Modèle anal. Mach. Intell. 37, 383–393 (2015).
Wang, J., Vasaikar, S., Shi, Z., Greer, M. et Zhang, B. WebGestalt 2017: une boîte à outils plus complète, puissante, flexible et interactive pour l'analyse d'enrichissement d'ensembles de gènes. Acides Nucléiques Rés. 45 (W1), W130 à W137 (2017).
Kaessmann, H. Origines, évolution et impact phénotypique de nouveaux gènes. Génome res. 201313-1326 (2010).
Revelle, W. Psych: Procédures de recherche sur la personnalité et la psychologie. Paquet R v.1.8.4 (2017).
Ebisuya, M., Yamamoto, T., Nakajima, M. et Nishida, E. Ripples de la transcription voisine. Nat. Cellule biol. dix1106-1113 (2008).
R Core Team. R: Un langage et un environnement pour l'informatique statistique (R Foundation for Statistical Computing, 2008).
Wickham, H., Romain, F., Henry, L. et Müller, K. Dplyr: une grammaire de la manipulation de données. v.0.7.6 (2017).
Wickham, H. tidyr: nettoie facilement les données avec les fonctions ‘spread’ () v.0.8.1 (2018).
Wickham, H. stringr: Des wrappers simples et cohérents pour les opérations courantes sur les chaînes. v.1.3.1 (2018).
Dowle, M. & Srinivasan, A. data.table: extension de «data.frame». v.1.11.4 (2017).
Wickham, H. ggplot2: graphiques élégants pour l'analyse de données 2e édition (Springer, 2016).
Auguie, B. gridExtra: Fonctions diverses pour les graphiques «grille». v.2.3 (2017).
Wickham, H. Remodelage des données avec le package de remodelage. J. Stat. Logiciel. 21, 1–20 (2007).
Wickham, H. La stratégie combinaison-application-combinaison pour l'analyse des données. J. Stat. Logiciel. 40, 1–29 (2011).
Lê, S., Josse, J. & Husson, F. FactoMineR: un package R pour l'analyse multivariée. J. Stat. Logiciel. 25, 1–18 (2008).
[ad_2]