Transcriptome and Transcriptomics
23 belangrijke vragen over Transcriptome and Transcriptomics
Wat doen Ribosomal RNAs (rRNAs)?
* Zitten in alle organismen
* most abudant RNAs
Wat doen Transfer RNAs (tRNAs)?
* Zitten in alle organismen
Wat doen Small nuclear RNAs (snRNAs)?
- Hogere cijfers + sneller leren
- Niets twee keer studeren
- 100% zeker alles onthouden
Wat doen Small nucleolar RNAs (snoRNAs)?
Wat doen MicroRNAs (miRNAs) en short interfering RNAs (siRNAs)?
Geef de definitie van gen expressie
Waarom is transcriptome niet altijd een goede meet variabele voor gen expressie?
Waarom wordt een transcriptome nooit de novo gesynthetiseerd?
Hoe werkt in vitro transcriptie (IVT)?
Wat heb je nodig om cDNA (complementary DNA) te maken?
2. primer complementair aan het polyA staart gedeelte (polyT primer)
3. nucleotides (dATP, dCTP, dGTP en dTTP)
4. enzym dan DNA kan synthetiseren door RNA als template te gebruiken (reverse transcriptase)
Hoe gaat data extractie bij microarrays?
2. Spot location (format overheen met vierkant/rondje om elke spot)
3. Computation of spot intensities (gemiddelde intensiteit spot)
4. Data reporting
Wat houdt library preparation in bij RNA-seq?
* RNA moleculen worden dus niet direct gesequenced, DNAs worden gesequenced omdat zij een betere chemische stabiliteit hebben en beter passen bij de sequencing technieken.
Hoe gaat de workflow bij data analyse van het transcriptome
biologische vraag, kies transcriptomics platform (microarray/RNA-seq), design experiment etc.
2. Data preprocessing and quality control:
berekenen gen expressie waardes, data normalisatie en preprocessing om biases te verwijderen die door sampeling in metingen komen. /
3. Data analysis:
exploretaire data analyse, hypothese testen (statistische testen significante verschillen tussen groepen)
4. Biological interpretation:
cluster analyse, analyse van reactie set van genen.
Waar hangt de keuze voor platform meestal van af?
2. probe design
Waarom moet er data normalisatie uitgevoerd worden?
Waarom wordt er een log-transformatie met een base 2 gedaan?
2. log-transformatie stabiliseert de variance, wat ervoor zorgt fat de statistische eisen voor testen voldaan worden.
Wat zijn de belangrijkste biases bij microarrays en RNA-seq?
RNA-seq: overall difference in sequencing depth
Wat is het verschil tussen de Bonferroni/Sidak controle/correctie en de false discovery rate (FDR) correctie?
FDR wordt gebruikt als een bepaalde proportie aan false positives te tolereren is.
FDR = de expecte proportie van Type I error tussen de afgwezen hypotheses.
vb.: als a=0.05 en 100 genen --> 5 false positives tussen de 100 genen
DUS:
Bonferroni & Sidak: KANS OP TENMINSTE 1 TYPE I ERROR
FDR: AANTAL TYPE I ERRORS IN SET
Hoe werkt de Gene Ontologt (GO)?
Het representeert de moeite om de manier waarop genen en gen producten beschreven worden te generaliseren.
Er zijn 3 'main' organisatie principes:
1. Molecular function (taken uitgevoerd door individuele gen product)
2. Biological process (broad biological goals)
3. Cellular compartment (localisatie)
Waarom wordt de data log2 getransformeerd?
- log2 transformatie zorgt voor stabilisatie van de variantie (want die wordt eigenlijk groter naarmate expressieniveau hoger wordt)
- Fijn om mee te werken want genen die 2x omhoog gaan hebben FC van 1 en 2 omlaag van -1
-relatie tssen spot-intensiteit en concentratie mRNA is het sample waarschijnlijk linair op log-schaal
Is het nodig om het rRNA te verwijderen als je het transcriptoom analyseer met een microarray?
Is het nodig om het rRNA te verwijderen bij het analyseren met RNA-seq?
Beschrijf de assen van een principal components analysis (PCA)?
bv. PC1 verklaart 45% van de totale variantie en PC2 23%
De vragen op deze pagina komen uit de samenvatting van het volgende studiemateriaal:
- Een unieke studie- en oefentool
- Nooit meer iets twee keer studeren
- Haal de cijfers waar je op hoopt
- 100% zeker alles onthouden