تحليل التسلسل

الموسوعة الحرة

في المعلوماتية الحيوية ، يُعد تحليل التسلسل عملية إخضاع تسلسل الحمض النووي (DNA) أو الحمض النووي الريبوزي (RNA) أو الببتيد لمجموعة واسعة من الأساليب التحليلية لفهم خصائصه ووظيفته وبنيته وتطوره. ويمكن إجراؤه على الجينوم الكامل أو النسخ الجيني أو البروتينوم للكائن الحي، كما يمكن أن يشمل أجزاءً أو مناطق محددة فقط، مثل التكرارات المتتالية والعناصر القابلة للنقل. وتشمل المنهجيات المستخدمة محاذاة التسلسل ، والبحث في قواعد البيانات البيولوجية ، وغيرها. [ 1 ]

منذ تطوير أساليب الإنتاج عالي الإنتاجية لتسلسلات الجينات والبروتينات، ازداد معدل إضافة التسلسلات الجديدة إلى قواعد البيانات بسرعة كبيرة. لا تُسهم هذه المجموعة من التسلسلات، في حد ذاتها، في زيادة فهم العلماء لبيولوجيا الكائنات الحية. مع ذلك، تُعدّ مقارنة هذه التسلسلات الجديدة بتلك ذات الوظائف المعروفة طريقةً أساسيةً لفهم بيولوجيا الكائن الحي الذي أُخذ منه التسلسل الجديد. بالتالي، يُمكن استخدام تحليل التسلسل لتحديد وظيفة المناطق المشفرة وغير المشفرة في التسلسل البيولوجي، وذلك عادةً من خلال مقارنة التسلسلات ودراسة أوجه التشابه والاختلاف. في الوقت الحاضر، تتوفر العديد من الأدوات والتقنيات التي تُتيح مقارنة التسلسلات (محاذاة التسلسلات) وتحليل ناتج المحاذاة لفهم بيولوجيتها. يشمل تحليل التسلسل في البيولوجيا الجزيئية نطاقًا واسعًا جدًا من العمليات:

  1. مقارنة التسلسلات لإيجاد التشابه، وغالبًا ما يكون ذلك لاستنتاج ما إذا كانت مرتبطة ببعضها البعض ( متماثلة ).
  2. تحديد السمات الجوهرية للتسلسل مثل المواقع النشطة ، ومواقع التعديل ما بعد الترجمة ، وبنية الجينات ، وأطر القراءة ، وتوزيعات الإنترونات والإكسونات ، والعناصر التنظيمية
  3. تحديد الاختلافات والتغيرات في التسلسل مثل الطفرات النقطية وتعدد أشكال النوكليوتيدات المفردة (SNP) من أجل الحصول على المؤشر الجيني .
  4. الكشف عن تطور وتنوع التسلسلات والكائنات الحية من الناحية الجينية
  5. تحديد البنية الجزيئية من التسلسل وحده.

تاريخ

منذ أن وصف فريد سانجر التسلسلات الأولى لبروتين الأنسولين عام 1951، سعى علماء الأحياء إلى توظيف هذه المعرفة لفهم وظائف الجزيئات. [ 2 ] [ 3 ] وقد أسهمت اكتشافاته واكتشافات زملائه في نجاح تسلسل أول جينوم قائم على الحمض النووي. [ 4 ] وكانت الطريقة المستخدمة في هذه الدراسة، والتي تُعرف باسم "طريقة سانجر" أو تسلسل سانجر ، علامة فارقة في تسلسل الجزيئات طويلة السلسلة كالحمض النووي. وقد استُخدمت هذه الطريقة لاحقًا في مشروع الجينوم البشري . [ 5 ] ووفقًا لمايكل ليفيت ، فقد ظهر تحليل التسلسل في الفترة ما بين عامي 1969 و1977. [ 6 ] ففي عام 1969، استُخدم تحليل تسلسلات الحمض النووي الريبوزي الناقل (tRNA) لاستنتاج تفاعلات الأحماض الأمينية من التغيرات المترابطة في تسلسلات النيوكليوتيدات، مما أدى إلى وضع نموذج للبنية الثانوية للحمض النووي الريبوزي الناقل . [ 7 ] في عام 1970، نشر سول ب. نيدلمان وكريستيان د. وونش أول خوارزمية حاسوبية لمحاذاة سلسلتين. [ 8 ] خلال هذه الفترة، شهدت تقنيات الحصول على تسلسل النيوكليوتيدات تطورًا كبيرًا، مما أدى إلى نشر أول جينوم كامل لبكتيريا عاثية في عام 1977. [ 9 ] يُعتقد أن روبرت هولي وفريقه في جامعة كورنيل كانوا أول من قام بتسلسل جزيء الحمض النووي الريبي (RNA). [ 10 ]

نظرة عامة على تحليل تسلسل النيوكليوتيدات (DNA وRNA)

تُحدد تحليلات تسلسل النيوكليوتيدات العناصر الوظيفية مثل مواقع ارتباط البروتينات، وتكشف عن الاختلافات الجينية مثل تعدد أشكال النوكليوتيدات المفردة (SNPs)، وتدرس أنماط التعبير الجيني، وتفهم الأساس الجيني للصفات. كما تُساعد على فهم الآليات التي تُساهم في عمليات مثل التضاعف والنسخ. بعض المهام المُتضمنة مُوضحة أدناه.

مراقبة الجودة والمعالجة المسبقة

تُقيّم مراقبة الجودة جودة قراءات التسلسل المُستحصلة من تقنية التسلسل (مثل Illumina ). وهي الخطوة الأولى في تحليل التسلسل للحد من الاستنتاجات الخاطئة الناتجة عن ضعف جودة البيانات. وتختلف الأدوات المُستخدمة في هذه المرحلة باختلاف منصة التسلسل. فعلى سبيل المثال، يتحقق FastQC من جودة القراءات القصيرة (بما في ذلك تسلسلات الحمض النووي الريبوزي)، بينما يُستخدم Nanoplot أو PycoQC لتسلسلات القراءات الطويلة (مثل قراءات تسلسل Nanopore)، ويُجمّع MultiQC نتائج FastQC في صفحة ويب. [ 11 ] [ 12 ] [ 13 ]

توفر مراقبة الجودة معلومات مثل أطوال القراءات، ومحتوى GC ، ووجود تسلسلات المحولات (للقراءات القصيرة)، ودرجة الجودة، والتي غالبًا ما تُعبّر عنها بمقياس PHRED . [ 14 ] إذا وُجدت محولات أو شوائب أخرى ناتجة عن تضخيم تفاعل البوليميراز المتسلسل (PCR) في القراءات (خاصةً القراءات القصيرة)، تُزال باستخدام برامج مثل Trimmomatic [ 15 ] أو Cutadapt. [ 16 ]

محاذاة القراءة

في هذه الخطوة، تُربط قراءات التسلسل المحسّنة الجودة بجينوم مرجعي باستخدام أدوات محاذاة مثل BWA [ 17 ] لقراءات تسلسل الحمض النووي القصيرة، وminimap [ 18 ] لقراءات تسلسل الحمض النووي الطويلة، وSTAR [ 19 ] لقراءات تسلسل الحمض النووي الريبوزي. يهدف الربط إلى تحديد أصل أي قراءة معينة بناءً على التسلسل المرجعي. كما أنه مهم للكشف عن الاختلافات أو الدراسات التطورية . تُخزّن مخرجات هذه الخطوة، أي القراءات المُحاذية، في تنسيقات ملفات متوافقة تُعرف باسم SAM، والتي تحتوي على معلومات حول الجينوم المرجعي بالإضافة إلى القراءات الفردية. يُفضّل استخدام تنسيقات ملفات BAM لأنها تستهلك مساحة تخزين أقل بكثير. [ 14 ]

ملاحظة : هذا يختلف عن محاذاة التسلسل التي تقارن بين تسلسلين كاملين أو أكثر (أو مناطق تسلسلية) لتحديد التشابه أو الاختلافات أو لتحديد تسلسل غير معروف (كما هو موضح أدناه).

تُعد خطوات التحليل التالية خاصة بتسلسلات الحمض النووي:

استدعاء المتغيرات

يُعدّ تحديد المتغيرات جانبًا شائعًا في تحليل التسلسل، إذ غالبًا ما تحتوي المتغيرات على معلومات ذات أهمية بيولوجية، مثل تفسير آلية مقاومة الأدوية في الأمراض المعدية. قد تكون هذه المتغيرات متغيرات أحادية النوكليوتيد (SNVs)، أو عمليات إدخال/حذف صغيرة (indels)، أو متغيرات بنيوية كبيرة . تُرتّب محاذاة القراءات باستخدام SAMtools ، ثم تُستخدم برامج استدعاء المتغيرات مثل GATK [ 20 ] لتحديد الاختلافات مقارنةً بالتسلسل المرجعي.

يعتمد اختيار أداة تحديد المتغيرات بشكل كبير على تقنية التسلسل المستخدمة، لذا يُستخدم GATK غالبًا عند العمل مع قراءات قصيرة، بينما تتطلب تسلسلات القراءات الطويلة أدوات مثل DeepVariant [ 21 ] وSniffles [ 22 ] . قد تختلف الأدوات أيضًا بناءً على الكائن الحي (بدائيات النوى أو حقيقيات النوى)، ومصدر بيانات التسلسل (السرطان مقابل الميتاجينوم )، ونوع المتغير محل الاهتمام (المتغيرات النوكليوتيدية المفردة أو المتغيرات البنيوية). عادةً ما يكون ناتج تحديد المتغيرات بصيغة vcf ، ويمكن تصفيته باستخدام ترددات الأليلات، أو درجات الجودة، أو عوامل أخرى بناءً على سؤال البحث المطروح [ 14 ] .

شرح المتغيرات

تُضيف هذه الخطوة سياقًا لبيانات المتغيرات باستخدام معلومات مُنسقة من أوراق بحثية مُحكّمة وقواعد بيانات متاحة للعموم مثل gnomAD و Ensembl . يُمكن إضافة تعليقات توضيحية للمتغيرات تتضمن معلومات حول الخصائص الجينومية، والنتائج الوظيفية، والعناصر التنظيمية، وتواترها في التجمعات السكانية، باستخدام أدوات مثل ANNOVAR أو SnpEff، [ 23 ] أو برامج نصية وخطوط معالجة مُخصصة. ويكون الناتج من هذه الخطوة ملف تعليقات توضيحية بصيغة bed أو txt. [ 14 ]

التصور والتفسير

يمكن عرض البيانات الجينومية، مثل محاذاة القراءات، ومخططات التغطية، وتحديد المتغيرات، باستخدام متصفحات الجينوم مثل IGV (عارض الجينوم التكاملي) أو متصفح جينوم UCSC. ويتم تفسير النتائج في سياق السؤال البيولوجي أو الفرضية قيد الدراسة. ويمكن أن يكون الناتج تمثيلاً بيانياً للبيانات على شكل مخططات سيركوس، أو مخططات فولكانو، أو غيرها من أشكال التقارير التي تصف الملاحظات. [ 14 ]

قد يشمل تحليل تسلسل الحمض النووي أيضًا النمذجة الإحصائية لاستنتاج العلاقات والتحليل اللاجيني، مثل تحديد مناطق المثيلة التفاضلية باستخدام أداة مثل DSS.

الخطوات التالية خاصة بتسلسلات الحمض النووي الريبي (RNA):

تحليل التعبير الجيني

تُحلل تسلسلات الحمض النووي الريبوزي (RNA) المُرتبطة لتقدير مستويات التعبير الجيني باستخدام أدوات قياس كمي مثل HTSeq، [ 24 ] وتحديد الجينات المُعبَّر عنها تفاضليًا (DEGs) بين الظروف التجريبية باستخدام أساليب إحصائية مثل DESeq2 . [ 25 ] يُجرى ذلك لمقارنة مستويات التعبير الجيني أو الأشكال المتغايرة بين عينات مختلفة أو عبرها، واستنتاج الأهمية البيولوجية. [ 14 ] عادةً ما يكون ناتج تحليل التعبير الجيني جدولًا يحتوي على قيم تمثل مستويات التعبير لمعرفات الجينات أو أسمائها في الصفوف، والعينات في الأعمدة، بالإضافة إلى الأخطاء المعيارية وقيم p. يمكن عرض النتائج في الجدول بشكل مرئي باستخدام مخططات فولكانو وخرائط حرارية، حيث تمثل الألوان مستوى التعبير المُقدَّر. غالبًا ما تُستخدم حزم برمجية مثل ggplot2 في لغة R وMatplotlib في لغة Python لإنشاء هذه الرسوم البيانية. يمكن أيضًا إضافة تعليقات توضيحية إلى الجدول باستخدام ملف تعليقات مرجعي، عادةً بصيغة GTF أو GFF، لتوفير سياق إضافي حول الجينات، مثل اسم الكروموسوم، والسلسلة، ومواقع البداية والنهاية، والمساعدة في تفسير النتائج. [ 14 ] [ 12 ] [ 13 ] [ 26 ]

تحليل الإثراء الوظيفي

يُحدد تحليل الإثراء الوظيفي العمليات البيولوجية والمسارات والتأثيرات الوظيفية المرتبطة بالجينات المُعبَّر عنها بشكلٍ تفاضلي، والتي تم الحصول عليها من الخطوة السابقة. ويستخدم هذا التحليل أدوات مثل GOSeq [ 27 ] وPathview [ 28 ] . ويُنشئ جدولًا يتضمن معلومات حول المسارات والعمليات الجزيئية المرتبطة بالجينات المُعبَّر عنها بشكلٍ تفاضلي، والجينات التي انخفض أو ارتفع تعبيرها، ومصطلحات علم الجينات المتكررة أو المُفرطة التمثيل [ 14 ] [ 12 ] [ 13 ] [ 26 ] .

يستكشف تحليل تسلسل الحمض النووي الريبوزي (RNA) ديناميكيات التعبير الجيني والآليات التنظيمية الكامنة وراء العمليات البيولوجية والأمراض. ويتم تفسير الصور والجداول في سياق الفرضيات قيد الدراسة.

تحليل تسلسلات البروتين

يدرس تحليل تسلسل البروتينات المجموعة الكاملة من البروتينات التي يُنتجها الكائن الحي أو الخلية في ظل ظروف محددة. ويصف بنية البروتين ووظيفته وتعديلاته اللاحقة للترجمة وتفاعلاته داخل الأنظمة البيولوجية. ويبدأ عادةً ببيانات مطياف الكتلة الخام (MS) من تجارب البروتينات، والتي تكون عادةً بتنسيقات ملفات mzML أو mzXML أو RAW. [ 14 ]

إلى جانب المعالجة المسبقة لبيانات مطياف الكتلة الخام لإزالة التشويش، وتوحيد شدة الإشارات، والكشف عن القمم، وتحويل تنسيقات الملفات الخاصة (مثل RAW) إلى تنسيقات مفتوحة المصدر (mzML، mzXML) لضمان التوافق مع أدوات التحليل اللاحقة، تشمل الخطوات التحليلية الأخرى تحديد الببتيدات ، وقياس كميتها، واستنتاج البروتينات وقياس كميتها، وإعداد تقرير مراقبة الجودة، والتوحيد، والتعويض، واختبار الدلالة الإحصائية. يعتمد اختيار الخطوات التحليلية وترتيبها على طريقة مطياف الكتلة المستخدمة، والتي قد تكون إما اكتسابًا معتمدًا على البيانات (DDA) أو اكتسابًا مستقلًا (DIA). [ 14 ] [ 29 ]

متصفحات الجينوم في تحليل التسلسل

توفر متصفحات الجينوم واجهة سهلة الاستخدام لا تتطلب كتابة أكواد لعرض الجينومات وقطاعاتها، وتحديد خصائصها، وتحليل العلاقات بين عناصرها المتعددة. تدعم متصفحات الجينوم الرئيسية الثلاثة - متصفح Ensembl، ومتصفح UCSC، والمركز الوطني لمعلومات التقانة الحيوية (NCBI) - إجراءات تحليل تسلسل مختلفة، بما في ذلك تجميع الجينوم، وشرحه، وعلم الجينوم المقارن، مثل استكشاف أنماط التعبير التفاضلي وتحديد المناطق المحفوظة. تدعم جميع المتصفحات صيغ بيانات متعددة للتحميل والتنزيل، وتوفر روابط لأدوات وموارد خارجية لتحليل التسلسل، مما يُسهم في تنوع استخداماتها. [ 30 ] [ 31 ]

محاذاة التسلسل

مثال على محاذاة التسلسلات المتعددة

توجد ملايين من تسلسلات البروتينات والنيوكليوتيدات المعروفة. تُصنّف هذه التسلسلات ضمن مجموعات عديدة من التسلسلات المتشابهة، تُعرف باسم عائلات البروتينات أو عائلات الجينات. تُكتشف العلاقات بين هذه التسلسلات عادةً من خلال محاذاتها معًا وإعطاء كل محاذاة درجة. يوجد نوعان رئيسيان من محاذاة التسلسلات: محاذاة التسلسلات الثنائية، التي تُقارن تسلسلين فقط في كل مرة، ومحاذاة التسلسلات المتعددة، التي تُقارن العديد من التسلسلات. من أهم الخوارزميات المستخدمة في محاذاة أزواج التسلسلات خوارزمية نيدلمان-وونش وخوارزمية سميث-واترمان . تشمل الأدوات الشائعة لمحاذاة التسلسلات ما يلي:

يُستخدم محاذاة التسلسلات الثنائية بشكل شائع لأخذ تسلسل مُحدد ومقارنته بجميع التسلسلات المعروفة في قاعدة بيانات لتحديد التسلسلات المتماثلة . وبشكل عام، تُرتّب التطابقات في قاعدة البيانات بحيث تُظهر التسلسلات الأكثر تشابهًا أولًا، تليها التسلسلات ذات التشابه المتناقص. وعادةً ما تُذكر هذه التطابقات مع مقياس للدلالة الإحصائية، مثل قيمة التوقع .

مقارنة الملفات الشخصية

في عام ١٩٨٧، قدّم مايكل غريبسكوف وأندرو ماكلاكلان وديفيد أيزنبرغ طريقة مقارنة الملفات الشخصية لتحديد أوجه التشابه البعيدة بين البروتينات. [ ٣٢ ] وبدلاً من استخدام تسلسل واحد، تستخدم طرق الملفات الشخصية محاذاة تسلسلات متعددة لترميز ملف شخصي يحتوي على معلومات حول مستوى حفظ كل حمض أميني. ويمكن استخدام هذه الملفات الشخصية للبحث في مجموعات من التسلسلات للعثور على تسلسلات ذات صلة. تُعرف الملفات الشخصية أيضًا باسم مصفوفات تسجيل النقاط الخاصة بالموقع (PSSMs). في عام ١٩٩٣، قدّم أندرس كروغ وزملاؤه تفسيرًا احتماليًا للملفات الشخصية باستخدام نماذج ماركوف المخفية . [ ٣٣ ] [ ٣٤ ] أصبحت هذه النماذج تُعرف باسم نماذج ماركوف المخفية للملفات الشخصية.

في السنوات الأخيرة، تم تطوير أساليب تسمح بمقارنة الملفات الشخصية مباشرة مع بعضها البعض. وتُعرف هذه الأساليب باسم أساليب مقارنة الملفات الشخصية. [ 35 ]

تجميع التسلسل

يشير تجميع التسلسل إلى إعادة بناء تسلسل الحمض النووي (DNA) عن طريق محاذاة ودمج أجزاء صغيرة منه. وهو جزء لا يتجزأ من تقنيات تسلسل الحمض النووي الحديثة . ولأن تقنيات تسلسل الحمض النووي المتاحة حاليًا غير مناسبة لقراءة التسلسلات الطويلة، غالبًا ما يتم تسلسل أجزاء كبيرة من الحمض النووي (مثل الجينومات) من خلال: (1) تقطيع الحمض النووي إلى أجزاء صغيرة، (2) قراءة هذه الأجزاء الصغيرة، و(3) إعادة بناء الحمض النووي الأصلي عن طريق دمج المعلومات الموجودة على الأجزاء المختلفة.

يُعدّ تسلسل جينومات أنواع متعددة في وقت واحد أحد أهم أهداف البحث العلمي في الآونة الأخيرة. ويُعنى علم الميتاجينوميات بدراسة المجتمعات الميكروبية المُستخلصة مباشرةً من البيئة. وعلى عكس الكائنات الدقيقة المُستزرعة في المختبر، تحتوي العينة البرية عادةً على عشرات، بل آلاف الأنواع من الكائنات الدقيقة من بيئاتها الأصلية. [ 36 ] وقد يُمثّل استعادة الجينومات الأصلية تحديًا كبيرًا.

التنبؤ الجيني

يشير التنبؤ بالجينات أو اكتشافها إلى عملية تحديد مناطق الحمض النووي الجينومي التي تشفر الجينات . يشمل ذلك الجينات المشفرة للبروتينات وجينات الحمض النووي الريبوزي (RNA )، وقد يشمل أيضًا التنبؤ بعناصر وظيفية أخرى مثل المناطق التنظيمية . يُعدّ اكتشاف الجينات (Geri) إحدى الخطوات الأولى والأهم في فهم جينوم أي نوع بعد تحديد تسلسله . عمومًا، يُعدّ التنبؤ بالجينات البكتيرية أبسط وأكثر دقة من التنبؤ بالجينات في الكائنات حقيقية النواة التي عادةً ما تمتلك أنماطًا معقدة من الإنترونات / الإكسونات . لا يزال تحديد الجينات في التسلسلات الطويلة يُمثّل تحديًا، خاصةً عندما يكون عدد الجينات غير معروف. يمكن أن تُشكّل نماذج ماركوف المخفية جزءًا من الحل. [ 37 ] لعب التعلّم الآلي دورًا هامًا في التنبؤ بتسلسل عوامل النسخ. [ 38 ] ركّز تحليل التسلسل التقليدي على المعايير الإحصائية لتسلسل النيوكليوتيدات نفسه (البرامج الأكثر شيوعًا مُدرجة في الجدول 4.1 ). هناك طريقة أخرى تتمثل في تحديد التسلسلات المتماثلة بناءً على تسلسلات جينية معروفة أخرى (الأدوات مُدرجة في الجدول 4.3 ). [ 36 ] تركز الطريقتان الموصوفتان هنا على التسلسل. ومع ذلك، فقد دُرست أيضًا خصائص شكل هذه الجزيئات، مثل الحمض النووي والبروتين، واقتُرح أن لها تأثيرًا مكافئًا، إن لم يكن أكبر، على سلوك هذه الجزيئات. [ 39 ]

التنبؤ ببنية البروتين

بنية البروتين المستهدف (3dsm، موضحة في أشرطة)، مع هياكل ألفا (باللون الرمادي) لـ 354 نموذجًا متوقعًا له تم تقديمها في تجربة التنبؤ بالبنية CASP8.

تُعدّ البنية ثلاثية الأبعاد للجزيئات ذات أهمية بالغة لوظائفها في الطبيعة. ونظرًا لأنّ التنبؤ بالبنية الجزيئية للجزيئات الكبيرة على المستوى الذري يُمثّل تحديًا كبيرًا، فقد ابتكر بعض علماء الأحياء طرقًا للتنبؤ بالبنية ثلاثية الأبعاد على مستوى التسلسل الأولي. ويشمل ذلك التحليل الكيميائي الحيوي أو الإحصائي لبقايا الأحماض الأمينية في مناطق محددة، واستنتاج البنية من البروتينات المتماثلة (أو البروتينات الأخرى ذات الصلة المحتملة) التي لها بنى ثلاثية الأبعاد معروفة.

ظهرت العديد من المناهج المتنوعة لحل مشكلة التنبؤ بالبنية. ولتحديد أكثر الطرق فعالية، أُقيمت مسابقة للتنبؤ بالبنية تُعرف باسم CASP (التقييم النقدي للتنبؤ بالبنية). [ 40 ]

الأساليب والتقنيات الحسابية

غالبًا ما تكون مهام تحليل التسلسل معقدة وتتطلب استخدام مناهج معقدة نسبيًا، يشكل العديد منها أساسًا للعديد من أدوات تحليل التسلسل الحالية. ومن بين الطرق العديدة المستخدمة عمليًا، تشمل الطرق الأكثر شيوعًا ما يلي:

انظر أيضاً

مراجع

  1. ↑ دوربين، ريتشارد م .؛ إيدي، شون ر .؛ كروغ، أندرس ؛ ميتشيسون، غرايم (1998)، تحليل التسلسل البيولوجي: نماذج احتمالية للبروتينات والأحماض النووية (  الطبعة الأولى)، كامبريدج، نيويورك: مطبعة جامعة كامبريدج ، ISBN 0-521-62971-3، OCLC 593254083 
  2. ↑ سانجر ف؛ توبي هـ (سبتمبر 1951). "تسلسل الأحماض الأمينية في سلسلة فينيل ألانيل الأنسولين. 1. تحديد الببتيدات الدنيا من المحللات المائية الجزئية" . مجلة الكيمياء الحيوية 49 (4): 463-481 . doi : 10.1042/bj0490463 . PMC 1197535. PMID 14886310 .  
  3. ↑ سانجر ف؛ توبي هـ (سبتمبر 1951). "تسلسل الأحماض الأمينية في سلسلة فينيل ألانيل الأنسولين. 2. دراسة الببتيدات من المحللات الإنزيمية" . مجلة الكيمياء الحيوية 49 (4): 481-490 . doi : 10.1042/bj0490481 . PMC 1197536. PMID 14886311 .  
  4. ↑ سانجر، ف؛ نيكلين، س؛ كولسون، أ.ر. (ديسمبر 1977). "تسلسل الحمض النووي باستخدام مثبطات إنهاء السلسلة" . وقائع الأكاديمية الوطنية للعلوم في الولايات المتحدة الأمريكية . 74 (12): 441-448 . Bibcode : 1977PNAS...74.5463S . doi : 10.1073/pnas.74.12.5463 . PMC 431765. PMID 271968 .  
  5. ↑ سانجر، ف؛ إير، ج.م؛ باريل، ب.ج؛ براون، ن.ل؛ كولسون، أ.ر؛ فيدز، س.أ؛ هاتشيسون، س.أ؛ سلوكومب، ب.م؛ سميث، م (فبراير 1977). "تسلسل النيوكليوتيدات لحمض نووي بكتيريوفاج فاي X174". نيتشر . 265 ( 5596): 687-695 . Bibcode : 1977Natur.265..687S . doi : 10.1038/265687a0 . PMID 870828. S2CID 4206886 .  
  6. ↑ ليفيت م (مايو 2001). "نشأة علم الأحياء البنيوي الحاسوبي". مجلة نيتشر للبيولوجيا البنيوية والجزيئية . 8 (5): 392-393 . doi : 10.1038/87545 . PMID 11323711. S2CID 6519868 .  
  7. ↑ ليفيت م (نوفمبر 1969). " نموذج جزيئي مفصل لنقل الحمض النووي الريبي". نيتشر . 224 (5221): 759-63 . Bibcode : 1969Natur.224..759L . doi : 10.1038/224759a0 . PMID 5361649. S2CID 983981 .  
  8. ↑ نيدلمان إس بي؛ وونش سي دي (مارس 1970). "طريقة عامة قابلة للتطبيق على البحث عن أوجه التشابه في تسلسل الأحماض الأمينية لبروتينين". مجلة البيولوجيا الجزيئية 48 (3): 443-453 . doi : 10.1016/0022-2836(70)90057-4 . PMID 5420325 . 
  9. ↑ سانجر ف، إير جي إم، باريل بي جي، وآخرون (فبراير 1977). "تسلسل النيوكليوتيدات لحمض نووي بكتيريوفاج فاي إكس 174". نيتشر . 265 ( 5596): 687-95 . Bibcode : 1977Natur.265..687S . doi : 10.1038/265687a0 . PMID 870828. S2CID 4206886 .   
  10. ↑ هولي، ر. و.؛ أبغار، ج.؛ إيفريت، ج. أ.؛ ماديسون، ج. ت.؛ ماركيزي، م.؛ ميريل، ش. هـ.؛ بينسويك، ج. ر.؛ زامير، أ. (مايو 1965). "بنية الحمض النووي الريبي". مجلة ساينس . 147 (3664): 1462-1465 . رمز Bibcode : 1965Sci...147.1462H . doi : 10.1126/science.147.3664.1462 . PMID 14263761. S2CID 40989800 .  
  11. ↑ بطوط، بيرينيس؛ دويل، ماريا. كورمير، الكسندر. بريتادو، أنتوني؛ ليروي، لورا؛ كوري، إروان؛ روبن، ستيفاني؛ لا شيء، الشجاعة. هايد ، كاميرون (3 نوفمبر 2023). "مراقبة الجودة (مواد تدريب جالاكسي)" . تدريب المجرة! . تم الاسترجاع 26 أبريل 2024 .
  12. 1 2 3 هيلتيمان، ساسكيا؛ راش، هيلينا؛ وآخرون . (يناير 2023). "تدريب المجرة: إطار عمل قوي للتدريس!" . مجلة PLOS لعلم الأحياء الحاسوبي . 19 (1) e1010752. رمز Bibcode : 2023PLSCB..19E0752H . doi : 10.1371/journal.pcbi.1010752 . PMC 9829167. PMID 36622853 .   
  13. 1 2 3 باتوت، بيرينيس؛ وآخرون (2018). " تدريب تحليل البيانات القائم على المجتمع لعلم الأحياء" . أنظمة الخلية . 6 (6): 752-758.e1. doi : 10.1016/j.cels.2018.05.012 . PMC 6296361. PMID 29953864 .   
  14. 1 2 3 4 5 6 7 8 9 10 بريجيبيلسكي، أندريه ب.؛ كوروبينيكوف، أنطون إ.؛ لابيدوس، آلا ل. (سبتمبر 2018). "تحليل التسلسل". موسوعة المعلوماتية الحيوية وعلم الأحياء الحاسوبي . المجلد 3. الصفحات 292-322 . doi : 10.1016/B978-0-12-809633-8.20106-4 . ISBN   978-0-12-811432-2.
  15. ↑ بولجر، أنتوني م.؛ لوز، مارك؛ أوساديل، بيورن (أبريل 2014). "تريموماتيك: أداة تقليم مرنة لبيانات تسلسل Illumina" . المعلوماتية الحيوية . 30 (15): 2114-2120 . doi : 10.1093/bioinformatics/btu170 . PMC 4103590. PMID 24695404 .  
  16. ↑ مارسيل، مارتن (2011). "برنامج Cutadapt يزيل تسلسلات المحولات من قراءات التسلسل عالي الإنتاجية". EMBnet.journal . 17 : 10. doi : 10.14806/ej.17.1.200 .
  17. ↑ لي، هينغ؛ دوربين، ريتشارد (يوليو 2009). " محاذاة سريعة ودقيقة للقراءات القصيرة باستخدام تحويل بوروز-ويلر" . المعلوماتية الحيوية . 25 (14): 1754-1760 . doi : 10.1093/bioinformatics/btp324 . PMC 2705234. PMID 19451168 .  
  18. ↑ لي، هينغ (مارس 2016). "Minimap وminiasm: رسم خرائط سريع وتجميع من الصفر لتسلسلات طويلة مشوشة" . المعلوماتية الحيوية . 32 (14): 2103-2110 . doi : 10.1093/bioinformatics/btw152 . PMC 4937194. PMID 27153593 .  
  19. ↑ دوبين، ألكسندر؛ ديفيس، كاري أ.؛ وآخرون . (أكتوبر 2012). "STAR: أداة محاذاة فائقة السرعة وشاملة لتسلسل الحمض النووي الريبوزي" . المعلوماتية الحيوية . 29 (1): 15-21 . doi : 10.1093/bioinformatics/bts635 . PMC 3530905. PMID 23104886 .   
  20. ↑ ماكينا، آرون؛ حنا، ماثيو؛ وآخرون . (يوليو 2010). "مجموعة أدوات تحليل الجينوم: إطار عمل MapReduce لتحليل بيانات تسلسل الحمض النووي من الجيل التالي" . أبحاث الجينوم . 20 (9): 1297-1303 . doi : 10.1101/gr.107524.110 . PMC 2928508. PMID 20644199 .   
  21. ↑ بوبلين، ر؛ تشانغ، ب.س؛ وآخرون . (سبتمبر 2018). "أداة شاملة لتحديد المتغيرات الجينية (SNPs) والطفرات الصغيرة الناتجة عن الإدخال والحذف باستخدام الشبكات العصبية العميقة". مجلة نيتشر للتكنولوجيا الحيوية . 36 (10): 983-987 . doi : 10.1038/nbt.4235 . PMID 30247488 .  
  22. ↑ سيدلازيك، إف جيه؛ ريشنيدر، بي؛ وآخرون . (أبريل 2018). "الكشف الدقيق عن التغيرات البنيوية المعقدة باستخدام تسلسل الجزيء المفرد" . نيتشر ميثودز . 15 (6): 461-468 . doi : 10.1038/s41592-018-0001-7 . PMC 5990442. PMID 29713083 .   
  23. ↑ سينغولاني، ب؛ بلاتس، أ؛ وآخرون . (أبريل 2012). "برنامج لشرح وتوقع تأثيرات تعدد أشكال النوكليوتيدات المفردة، SnpEff" . فلاي . 6 ( 2): 80-92 . doi : 10.4161/fly.19695 . PMC 3679285. PMID 22728672 .   
  24. ↑ أندرس، سيمون؛ بايل، بول ثيودور؛ هوبر، وولفغانغ (يناير 2015). "HTSeq - إطار عمل بايثون للتعامل مع بيانات التسلسل عالي الإنتاجية" . المعلوماتية الحيوية . 31 (2): 166-169 . doi : 10.1093/bioinformatics/btu638 . PMC 4287950. PMID 25260700 .  
  25. ↑ لوف، إم آي؛ هوبر، دبليو؛ أندرس، إس. (ديسمبر 2014). "التقدير المُعدَّل للتغير الطي والتشتت لبيانات تسلسل الحمض النووي الريبوزي باستخدام DESeq2" . علم الأحياء الجينومي . 15 (12): 550. doi : 10.1186/s13059-014-0550-8 . PMC 4302049. PMID 25516281 .  
  26. 1 2 بطوط، بيرينيس؛ فريبيرج، مالوري؛ وآخرون . (17 مارس 2024). "تحليل بيانات RNA-Seq المستند إلى المرجع (مواد تدريب Galaxy)" . تدريب المجرة! . تم الاسترجاع 26 أبريل 2024 . 
  27. ↑ يونغ، دكتور في الطب؛ ويكفيلد، إم جيه؛ وآخرون . (فبراير 2010). "تحليل علم وظائف الجينات لتسلسل الحمض النووي الريبوزي: مراعاة تحيز الاختيار" . علم الأحياء الجينومي . 11 (2): R14. doi : 10.1186/gb-2010-11-2-r14 . hdl : 11343/56416 . PMC 2872874. PMID 20132535 .   
  28. ↑ لو، ويجون؛ بروير، كوري (يونيو 2013). "Pathview: حزمة R/Bioconductor لتكامل البيانات وتصورها بناءً على المسارات" . المعلوماتية الحيوية . 29 (14): 1830-1831 . doi : 10.1093/bioinformatics/btt285 . PMC 3702256. PMID 23740750 .  
  29. ↑ "سير عمل قياس الطيف الكتلي الكمي" . nf-core .
  30. ↑ وانغ، جون؛ كونغ، لي؛ وآخرون . (يوليو 2012). "مقدمة موجزة لمتصفحات الجينوم على الويب". موجزات في المعلوماتية الحيوية . 14 (2): 131-143 . doi : 10.1093/bib/bbs029 . PMID 22764121 .  
  31. ↑ بيفسنر، ج. (فبراير 2009). "تحليل الحمض النووي الجينومي باستخدام متصفح جينوم جامعة كاليفورنيا في سانتا كروز" . المعلوماتية الحيوية لتحليل تسلسل الحمض النووي . مناهج في البيولوجيا الجزيئية. المجلد 537. دار هومانا للنشر. الصفحات 277-301 . doi : 10.1007/978-1-59745-251-9_14 . ISBN   978-1-59745-251-9PMID 19378150​​ 
  32. ↑ غريبسكوف م؛ ماكلاكلان أ.د؛ أيزنبرغ د (يوليو 1987). "تحليل الملامح: الكشف عن البروتينات ذات الصلة البعيدة" . وقائع الأكاديمية الوطنية للعلوم في الولايات المتحدة الأمريكية . 84 (13): 4355-4358 . Bibcode : 1987PNAS...84.4355G . doi : 10.1073/pnas.84.13.4355 . PMC 305087. PMID 3474607 .  
  33. ↑ براون م؛ هيوجي ر؛ كروغ أ؛ ميان إي إس؛ سيولاندر ك؛ هاوسلر د (1993). "استخدام التوزيعات الاحتمالية المسبقة لخليط ديريشليه لاستخلاص نماذج ماركوف المخفية لعائلات البروتينات". وقائع المؤتمر الدولي للأنظمة الذكية في البيولوجيا الجزيئية . 1 : 47-55 . PMID 7584370 . 
  34. ↑ كروغ أ؛ براون م؛ ميان إي إس؛ سيولاندر ك؛ هاوسلر د (فبراير 1994). "نماذج ماركوف المخفية في البيولوجيا الحاسوبية. تطبيقات على نمذجة البروتين". مجلة البيولوجيا الجزيئية 235 (5): 1501-1531 . doi : 10.1006/jmbi.1994.1104 . PMID 8107089. S2CID 2160404 .  
  35. ↑ يي إكس؛ وانغ جي؛ ألتشول إس إف (ديسمبر 2011). "تقييم درجات الاستبدال لمقارنة ملفات تعريف البروتينات" . المعلوماتية الحيوية . 27 (24): 3356-3363 . doi : 10.1093/bioinformatics/btr565 . PMC 3232366. PMID 21998158 .  
  36. وولي ، جيه سي؛ غودزيك، أ؛ فريدبيرغ، آي (26 فبراير 2010). "مقدمة في علم الجينوم البيئي" . مجلة PLOS للحوسبة البيولوجية . 6 ( 2) e1000667. رمز Bibcode : 2010PLSCB...6E0667W . doi : 10.1371/journal.pcbi.1000667 . PMC 2829047. PMID 20195499 .  
  37. ↑ ستانك، م؛ واك، س (19 أكتوبر 2003). "التنبؤ الجيني باستخدام نموذج ماركوف المخفي ونموذج فرعي جديد للإنترونات" . المعلوماتية الحيوية . 19 ملحق 2 (2): 215-225 . doi : 10.1093/bioinformatics/btg1080 . PMID 14534192 . 
  38. ↑ أليباناهي، ب؛ ديلونغ، أ؛ ويراوخ، إم تي؛ فراي، بي جيه (أغسطس 2015). "التنبؤ بخصائص تسلسل البروتينات الرابطة للحمض النووي DNA والحمض النووي الريبي RNA باستخدام التعلم العميق" . نات بيوتكنولوجي . 33 (8): 831-838 . doi : 10.1038/nbt.3300 . PMID 26213851 . 
  39. ↑ آبي، ن؛ درور، إ؛ يانغ، ل؛ سلاتري، م؛ تشو، ت؛ بوسماكر، هـ ج؛ روهس، ر، ر؛ مان، ر س (9 أبريل 2015). "فك تشفير التعرف على شكل الحمض النووي من التسلسل" . الخلية . 161 ( 2): 307-318 . doi : 10.1016/j.cell.2015.02.008 . PMC 4422406. PMID 25843630 .  
  40. ↑ مولت ج؛ هوبارد ت؛ براينت ش.هـ؛ فيديليس ك؛ بيدرسن ج.ت (1997). "التقييم النقدي لأساليب التنبؤ ببنية البروتين (CASP): الجولة الثانية". البروتينات . الملحق 1 (S1): 2-6 . doi : 10.1002/(SICI)1097-0134(1997)1+ < 2::AID - PROT2 > 3.0.CO ; 2-T . PMID 9485489. S2CID 26823924 .