WikiDer > Список программ для предсказания структуры РНК

List of RNA structure prediction software

Этот список программ для предсказания структуры РНК представляет собой сборник программных инструментов и веб-порталов, используемых для Структура РНК прогноз.

Прогнозирование вторичной структуры одиночной последовательности.

ИмяОписаниеУзлы
[Примечание 1]		СсылкиРекомендации
CentroidFoldПрогноз вторичной структуры на основе обобщенной оценки центроидаНетисходный код веб сервер[1]
ЦентроидПредсказание вторичной структуры с использованием информации о гомологичной последовательностиНетисходный код веб сервер[2]
Сгиб контекстаПрограммное обеспечение для прогнозирования вторичной структуры РНК на основе многофункциональных обученных скоринговых моделей.Нетисходный код веб сервер[3]
ПРОТИВОСложитьМетод прогнозирования вторичной структуры, основанный на условных лог-линейных моделях (CLLM), гибком классе вероятностных моделей, которые обобщаются на SCFG с помощью дискриминационного обучения и многофункциональный подсчет очков.Нетисходный код веб сервер[4]
СмятьПростое, четко написанное программное обеспечение для создания полного набора возможных вторичных структур для одной последовательности с учетом дополнительных ограничений.Нетисходный код[5]
CyloFoldМетод прогнозирования вторичной структуры, основанный на размещении спиралей, позволяющих создавать сложные псевдоузлы.давеб сервер[6]
E2EfoldОснованный на глубоком обучении метод для эффективного прогнозирования вторичной структуры путем дифференцирования с помощью решателя ограниченной оптимизации без использования динамического программирования.даисходный код[7][8]
GTFoldБыстрый и масштабируемый многоядерный код для прогнозирования вторичной структуры РНК.Нетсвязь исходный код[9]
IPknotБыстрое и точное предсказание вторичных структур РНК с псевдоузлами с использованием целочисленного программирования.даисходный код веб сервер[10]
KineFoldКинетика сворачивания последовательностей РНК, включая псевдоузлы, за счет реализации функции распределения для узлов.даlinuxbinary, веб сервер[11][12]
MfoldMFE (Минимальная свободная энергия) Алгоритм предсказания структуры РНК.Нетисходный код, веб сервер[13]
pKissАлгоритм динамического программирования для предсказания ограниченного класса (H-тип и целующиеся шпильки) псевдоузлов РНК.даисходный код, веб сервер[14]
PknotsАлгоритм динамического программирования для оптимального предсказания псевдоузла РНК с использованием модели энергии ближайшего соседа.даисходный код[15]
PknotsRGАлгоритм динамического программирования для предсказания ограниченного класса (H-типа) псевдоузлов РНК.даисходный код, веб сервер[16]
РНК123Предсказание вторичной структуры с помощью термодинамических алгоритмов сворачивания и нового выравнивания последовательностей на основе структуры, специфичного для РНК.давеб сервер
РНКфолдАлгоритм предсказания структуры MFE РНК. Включает реализацию функции распределения для вычисления вероятностей базовых пар и циклического сворачивания РНК.Нетисходный код, веб сервер

[13][17][18][19][20]

РНК-формыПредсказание структуры MFE РНК на основе абстрактных форм. Абстракция формы сохраняет смежность и вложенность структурных элементов, но игнорирует длину спирали, таким образом сокращая количество неоптимальных решений без потери значительной информации. Кроме того, формы представляют собой классы структур, для которых можно вычислить вероятности на основе энергий, взвешенных по Больцману.Нетисходники и двоичные файлы, веб сервер[21][22]
Структура РНКПрограмма для прогнозирования самых низких структур свободной энергии и вероятностей пар оснований для последовательностей РНК или ДНК. Также доступны программы для прогнозирования максимальная ожидаемая точность структуры, и они могут включать псевдоузлы. Прогнозирование структуры может быть ограничено с использованием экспериментальных данных, включая SHAPE, ферментативное расщепление и доступность химической модификации. Графические пользовательские интерфейсы доступны для Windows, Mac OS X, Linux. Также доступны программы для использования с текстовыми интерфейсами в стиле Unix. Также доступна библиотека классов C ++.даисходники и двоичные файлы, веб сервер

[23][24]

SARNA-ПрогнозМетод предсказания вторичной структуры РНК, основанный на моделировании отжига. Он также может предсказывать структуру с помощью псевдоузлов.дасвязь[25]
SfoldСтатистическая выборка всех возможных структур. Выборка взвешивается вероятностями статистической суммы.Нетвеб сервер[26][27][28][29]
Раздвижные окна и сборкаРаздвижные окна и сборка - это инструментальная цепочка для складывания длинных серий одинаковых шпилек.Нетисходный код[5]
SPOT-РНКSPOT-RNA - это первый предсказатель вторичной структуры РНК, который может предсказывать все типы пар оснований (канонические, неканонические, псевдоузлы и триплеты оснований).даисходный код

веб сервер

[30]
SwiSpotУтилита командной строки для прогнозирования альтернативных (вторичных) конфигураций рибопереключатели. Он основан на предсказании так называемой последовательности переключения, чтобы впоследствии ограничить сворачивание двух функциональных структур.Нетисходный код[31]
UNAFoldПрограммный пакет UNAFold представляет собой интегрированный набор программ, моделирующих пути сворачивания, гибридизации и плавления для одной или двух однонитевых последовательностей нуклеиновых кислот.Нетисходный код[32]
vsfold / vs suboptСгибает и предсказывает вторичную структуру РНК и псевдоячейки, используя энтропийную модель, полученную из физики полимеров. Программа vs_subopt вычисляет субоптимальные структуры на основе ландшафта свободной энергии, полученного из vsfold5.давеб сервер[33][34]
Примечания
  1. ^ Узлы: Псевдоузел предсказание, <да | нет>.

Прогнозирование третичной структуры одиночной последовательности

ИмяОписаниеУзлы
[Примечание 1]		СсылкиРекомендации
BARNACLEБиблиотека Python для вероятностной выборки структур РНК, совместимых с данной нуклеотидной последовательностью и РНК-подобных в локальной шкале длины.даисходный код[35]
ФАРНААвтоматическое предсказание de novo третичных структур нативных РНК.да[36]
iFoldRNAпредсказание и сворачивание трехмерной структуры РНКдавеб сервер[37]
MC-Fold MC-Sym конвейерТермодинамика и нуклеотидные циклические мотивы для алгоритма предсказания структуры РНК. 2D и 3D конструкции.даисходный код, веб сервер[38]
НАСТГрубое моделирование больших молекул РНК с потенциалами, основанными на знаниях, и структурными фильтрамиНеизвестноисполняемые файлы[39]
MMBПревращение ограниченной экспериментальной информации в трехмерные модели РНКНеизвестноисходный код[40]
РНК123Интегрированная платформа для de novo и гомологического моделирования трехмерных структур РНК, где ввод координатного файла, редактирование последовательностей, выравнивание последовательностей, прогнозирование структуры и функции анализа доступны из единого интуитивно понятного графического пользовательского интерфейса.да
RNAComposerПолностью автоматизированное предсказание больших трехмерных структур РНК.давеб сервер веб сервер[41]
Примечания
  1. ^ Узлы: Псевдоузел предсказание, <да | нет>.

Сравнительные методы

Упомянутые выше методы одиночной последовательности имеют сложную задачу обнаружения небольшого образца разумных вторичных структур из большого пространства возможных структур. Хороший способ уменьшить размер пространства - использовать эволюционные подходы. Структуры, которые были сохранены эволюцией, с гораздо большей вероятностью будут функциональной формой. В приведенных ниже методах используется этот подход.

ИмяОписаниеКоличество последовательностей
[Примечание 1]		Выравнивание
[Заметка 2]		Структура
[Заметка 3]		Узлы
[Примечание 4]		СвязьРекомендации
КарнакСравнительный анализ в сочетании со складыванием MFE.любойНетдаНетисходный код, веб сервер[42][43]
ЦентроидПрогнозирование общей вторичной структуры на основе обобщенной оценки центроидалюбойНетдаНетисходный код[44]
CentroidAlignБыстрый и точный множественный выравниватель последовательностей РНКлюбойдаНетНетисходный код[45]
CMfinderалгоритм максимизации ожидания с использованием ковариационных моделей для описания мотива. Использует эвристику для эффективного поиска мотивов и байесовскую структуру для предсказания структуры, сочетающую энергию сворачивания и ковариацию последовательности.дадаНетисходный код, веб сервер, интернет сайт[46]
КОНСАНреализует закрепленный алгоритм Санкоффа для одновременного попарного выравнивания РНК и предсказания консенсусной структуры.2дадаНетисходный код[47]
DAFSОдновременное выравнивание и сворачивание последовательностей РНК посредством двойного разложения.любойдададаисходный код[48]
Dynalignалгоритм, который повышает точность предсказания структуры за счет объединения минимизации свободной энергии и сравнительного анализа последовательностей, чтобы найти структуру с низкой свободной энергией, общую для двух последовательностей, не требуя какой-либо идентичности последовательности.2дадаНетисходный код[49][50][51]
FoldalignMМетод выравнивания структурных РНК множественных РНК, в значительной степени основанный на программе PMcomp.любойдадаНетисходный код[52]
ФРУКТЫИнструмент попарного структурного выравнивания РНК, основанный на сравнении деревьев РНК. Рассматривает выравнивания, при которых сравниваемые деревья могут иметь разные корни (относительно корней, соответствующих стандартному «внешнему циклу») и / или переставляться относительно порядка ветвления.любойдаВходНетисходный код, веб сервер[53][54]
GraphClustМетод быстрой структурной кластеризации РНК локальных вторичных структур РНК. Прогнозируемые кластеры уточняются с помощью LocARNA и CMsearch. Из-за линейной временной сложности для кластеризации можно анализировать большие наборы данных РНК.любойдадаНетисходный код[55]
KNetFoldВычисляет согласованную вторичную структуру РНК из выравнивания последовательностей РНК на основе машинного обучения.любойВходдадаlinuxbinary, веб сервер[56]
ЛАРАПроизведите глобальную складку и выравнивание семейств нкРНК с использованием целочисленного линейного программирования и лагранжевой релаксации.любойдадаНетисходный код[57]
LocaRNALocaRNA является преемником PMcomp с улучшенной временной сложностью. Это вариант алгоритма Санкоффа для одновременного сворачивания и выравнивания, который принимает в качестве входных данных предварительно вычисленные матрицы вероятностей пар оснований из алгоритма Маккаскилла, полученные с помощью RNAfold -p. Таким образом, метод можно также рассматривать как способ сравнения матриц вероятностей пар оснований.любойдадаНетисходный код, веб сервер[58]
МАСТРВыборочный подход с использованием Цепь Маркова Монте-Карло в имитация отжига framework, где и структура, и выравнивание оптимизируются путем внесения небольших локальных изменений. Оценка сочетает в себе логарифмическую вероятность выравнивания, член ковариации и вероятности базовой пары.любойдадаНетисходный код[59][60]
MultilignЭтот метод использует несколько вычислений Dynalign, чтобы найти структуру с низкой свободной энергией, общую для любого количества последовательностей. Это не требует идентификации последовательности.любойдадаНетисходный код[61]
Мурлетинструмент множественного выравнивания для последовательностей РНК с использованием итеративного выравнивания на основе алгоритма Санкоффа с резко сокращенным временем вычислений и памятью.любойдадаНетвеб сервер[62]
MXSCARNAинструмент множественного выравнивания для последовательностей РНК с использованием прогрессивного выравнивания, основанного на алгоритме попарного структурного выравнивания SCARNA.любойдадаНетвеб сервер исходный код[63]
pAliKisspAliKiss предсказывает вторичные структуры РНК для фиксированного выравнивания множественных последовательностей РНК, уделяя особое внимание псевдоузловым структурам. Эта программа является продуктом гибридизации RNAalishapes и pKiss.любойВходдадавеб сервер исходный код[14]
ЧАСТИМетод совместного прогнозирования выравнивания и общих вторичных структур двух последовательностей РНК с использованием вероятностной модели, основанной на псевдосвободных энергиях, полученных из предварительно вычисленных вероятностей спаривания оснований и выравнивания.2дадаНетисходный код[64]
PfoldСворачивает выравнивания с использованием SCFG, обученного выравниванию рРНК.ВходдаНетвеб сервер[65][66]
ПЭТфолдФормально объединяет в одну модель подходы, основанные на энергии и эволюции, для прогнозирования сворачивания нескольких выровненных последовательностей РНК с помощью оценки максимальной ожидаемой точности. Структурные вероятности рассчитываются с помощью RNAfold и Pfold.любойВходдаНетисходный код[67]
PhyloQFoldМетод, использующий эволюционную историю группы выровненных последовательностей РНК для выборки согласованных вторичных структур, включая псевдоязычные узлы, в соответствии с их приблизительной апостериорной вероятностью.любойВходдадаисходный код[68]
PMcomp / PMmultiPMcomp - это вариант алгоритма Санкоффа для одновременного сворачивания и выравнивания, который принимает в качестве входных данных предварительно вычисленные матрицы вероятности пары оснований из алгоритма Маккаскилла, полученные с помощью RNAfold -p. Таким образом, метод можно также рассматривать как способ сравнения матриц вероятностей пар оснований. PMmulti - это программа-оболочка, которая выполняет последовательное множественное выравнивание путем многократного вызова pmcomp.дадаНетисходный код, веб сервер[69]
RNAGМетод отбора образцов Гиббса для определения консервативной структуры и структурного выравнивания.любойдадаНетисходный код[70]
R-КОФЕиспользует RNAlpfold для вычисления вторичной структуры предоставленных последовательностей. Модифицированная версия Т-кофе затем используется для вычисления множественного выравнивания последовательностей, имеющего наилучшее согласие с последовательностями и структурами. R-Coffee можно комбинировать с любым существующим методом выравнивания последовательностей.любойдадаНетисходный код, веб сервер[71][72]
TurboFoldЭтот алгоритм предсказывает консервативные структуры в любом количестве последовательностей. Он использует вероятностное выравнивание и функции распределения для сопоставления сохраняемых пар между последовательностями, а затем выполняет итерацию функций распределения для повышения точности предсказания структуры.любойНетдадаисходный код[73][74]
R-scapeПодтвердите сохранность вторичной структуры путем измерения коваринг-пар оснований и их статистической значимости по сравнению с чистой филогенией. Предложит наиболее консервативную («оптимизированную») структуру, если не указана вторичная структура.любойВходдададомашняя страница[75]
РНК123Алгоритм выравнивания последовательностей на основе включенной структуры (SBSA) использует новую субоптимальную версию метода глобального выравнивания последовательностей Нидлмана-Вунша, который полностью учитывает вторичную структуру в шаблоне и запросе. Он также использует две отдельные матрицы замещения, оптимизированные для спиралей РНК и одноцепочечных областей. Алгоритм SBSA обеспечивает точность выравнивания последовательностей> 90% даже для таких больших структур, как бактериальная 23S рРНК: ~ 2800 нт.любойдададавеб сервер
РНКалифолдСгибает предварительно вычисленные выравнивания, используя сочетание методов свободной энергии и ковариации. Поставляется с Пакет ViennaRNA.любойВходдаНетдомашняя страница[17][76]
RNAalishapesИнструмент для предсказания вторичной структуры для предварительно вычисленных выравниваний с использованием сочетания свободной энергии и мер ковариации. Вывод может быть проанализирован с помощью концепции абстрактных форм, чтобы сосредоточиться на основных различиях в неоптимальных результатах.любойВходдаНетисходный код, веб сервер[77]
RNAcastперечисляет почти оптимальное пространство абстрактных форм и предсказывает в качестве консенсуса абстрактную форму, общую для всех последовательностей, а для каждой последовательности - термодинамически лучшую структуру, которая имеет эту абстрактную форму.любойНетдаНетисходный код, веб сервер[78]
RNAforesterСравните и выровняйте вторичные структуры РНК с помощью подхода «выравнивания леса».любойдаВходНетисходный код, веб сервер[79][80]
РНКаминЧастый майнер стеблевого паттерна из невыровненных последовательностей РНК - это программный инструмент для извлечения структурных мотивов из набора последовательностей РНК.любойНетдаНетвеб сервер[81]
RNASamplerПодход вероятностной выборки, который объединяет вероятности спаривания оснований внутри последовательности с вероятностями совмещения оснований пересечений. Это используется для выборки возможных основ для каждой последовательности и сравнения этих основ между всеми парами последовательностей, чтобы предсказать консенсусную структуру для двух последовательностей. Этот метод расширен для прогнозирования общей структуры, сохраняющейся среди нескольких последовательностей, с помощью оценки на основе согласованности, которая включает информацию из всех попарных структурных сопоставлений.любойдададаисходный код[82]
СКАРНАStem Candidate Aligner для РНК (Scarna) - это быстрый и удобный инструмент для структурного выравнивания пары последовательностей РНК. Он выравнивает две последовательности РНК и вычисляет их сходство на основе предполагаемых общих вторичных структур. Работает даже для второстепенных структур с псевдоузлами.2дадаНетвеб сервер[83]
SimulFoldодновременный вывод структур РНК, включая псевдоузлы, выравнивания и деревья, с использованием байесовской структуры MCMC.любойдададаисходный код[84]
Stemlocпрограмма для попарного структурного выравнивания РНК, основанная на вероятностных моделях структуры РНК, известная как Pair стохастические контекстно-свободные грамматики.любойдадаНетисходный код[85]
StrAlинструмент выравнивания, разработанный для обеспечения множественного выравнивания некодирующих РНК в соответствии с быстрой прогрессивной стратегией. Он объединяет термодинамическую информацию о спаривании оснований, полученную из вычислений RNAfold в форме векторов вероятности спаривания оснований, с информацией о первичной последовательности.даНетНетисходный код, веб сервер[86]
TFoldИнструмент для прогнозирования вторичных структур некодирующих РНК, включая псевдоузлы. Он принимает на входе выравнивание последовательностей РНК и возвращает предсказанную вторичную структуру (ы). Он сочетает в себе критерии стабильности, сохранения и ковариации для поиска основ и псевдоузлов. Пользователи могут изменять различные значения параметров, устанавливать (или нет) некоторые известные основы (если есть), которые учитываются системой, выбирать получение нескольких возможных структур или только одной, искать псевдоязычные узлы или нет и т. Д.любойдададавеб сервер[87]
ВОЙНАвеб-сервер, который позволяет одновременно использовать ряд современных методов для выполнения множественного выравнивания и предсказания вторичной структуры некодирующих последовательностей РНК.дадаНетвеб сервер[88]
Xrateпрограмма для анализа множественных выравниваний последовательностей с использованием филогенетических грамматики, что можно рассматривать как гибкое обобщение программы "Pfold".любойдадаНетисходный код[89]
Примечания
  1. ^ Количество последовательностей: <любое | число>.
  2. ^ Выравнивание: предсказывает выравнивание, <вход | да | нет>.
  3. ^ Структура: предсказывает структура, <вход | да | нет>.
  4. ^ Узлы: Псевдоузел предсказание, <да | нет>.

Прогноз доступности растворителя РНК:

Имя

(Год)

ОписаниеСвязьРекомендации
RNAsnap2

(2020)

RNAsnap2 использует расширенную сверточную нейронную сеть с эволюционными характеристиками, созданными из BLAST + INFERNAL (так же, как RNAsol), и предсказанными вероятностями спаривания оснований из LinearPartition в качестве входных данных для предсказания доступности растворителя РНК. Кроме того, версия RNAsnap2 с одной последовательностью может предсказывать доступность растворителя для данной входной последовательности РНК без использования информации об эволюции.исходный код

веб сервер

[90]
РНКсоль

(2019)

Предиктор RNAsol использует однонаправленный алгоритм глубокого обучения LSTM с эволюционной информацией, сгенерированной из BLASTN + INFERNAL, и предсказанной вторичной структурой из RNAfold в качестве входных данных для прогнозирования доступности растворителя РНК.исходный код

веб сервер

[91]
РНК-щелчок

(2017)

Предиктор RNAsnap использует алгоритм машинного обучения SVM и информацию об эволюции, сгенерированную из BLASTN, в качестве входных данных для прогнозирования доступности растворителя РНК.исходный код[92]

Межмолекулярные взаимодействия: РНК-РНК

Много нкРНК функция путем привязки к другим РНК. Например, миРНК регулируют экспрессию генов, кодирующих белок, связываясь с 3 'UTR, малые ядрышковые РНК направлять посттранскрипционные модификации путем связывания с рРНК, Сплайсосомная РНК U4 и Сплайсосомная РНК U6 связаны друг с другом, составляя часть сплайсосома и многие малые бактериальные РНК регулируют экспрессию генов за счет антисмысловых взаимодействий. GcvB, OxyS и RyhB.

ИмяОписаниеВнутримолекулярная структураСравнительная степеньСвязьРекомендации
РНКхищникRNApredator использует подход динамического программирования для вычисления сайтов взаимодействия РНК-РНК.даНетвеб сервер[93]
GUUGleУтилита для быстрого определения совпадений РНК-РНК с идеальной гибридизацией посредством спаривания оснований A-U, C-G и G-U.НетНетвеб сервер[94]
IntaRNAЭффективное прогнозирование целей с учетом доступности целевых сайтов.даНетисходный код веб сервер[95][96][97][98][99]
КопраРНКИнструмент для прогнозирования цели мРНК. Он вычисляет прогнозы всего генома путем сочетания отдельных прогнозов IntaRNA целого генома.дадаисходный код веб сервер[100][96]
МЯТААвтоматический инструмент для анализа трехмерных структур молекул РНК и ДНК, их полноатомных молекулярных динамических траекторий или других наборов конформаций (например, структур, полученных с помощью рентгеновских лучей или ЯМР). Для каждой конформации РНК или ДНК MINT определяет сеть водородных связей, разрешая паттерны спаривания оснований, идентифицирует мотивы вторичной структуры (спирали, соединения, петли и т. Д.) И псевдоузлы. Также оценивается энергия стэкинга и взаимодействия фосфатного аниона с основанием.даНетисходный код веб сервер[101]
NUPACKВычисляет полную статистическую сумму взаимодействующих цепей без псевдонимов в разбавленном растворе. Вычисляет концентрации, mfes и вероятности образования пары оснований упорядоченных комплексов ниже определенной сложности. Также вычисляет статистическую сумму и основание пары одиночных цепей, включая класс структур с псевдоузлами. Также позволяет проектировать заказанные комплексы.даНетNUPACK[102]
OligoWalk / структура РНКПредсказывает бимолекулярные вторичные структуры с внутримолекулярной структурой и без нее. Также предсказывает сродство гибридизации короткой нуклеиновой кислоты к РНК-мишени.даНет[1][103]
пиРНКВычисляет статистическую сумму и термодинамику взаимодействий РНК-РНК. Он учитывает всевозможные совместные вторичные структуры двух взаимодействующих нуклеиновых кислот, не содержащие псевдоузлов, псевдоузлов взаимодействия или зигзагов.даНетlinuxbinary[104]
RNAripalignВычисляет статистическую сумму и термодинамику взаимодействий РНК-РНК на основе структурных сопоставлений. Также поддерживает прогнозирование взаимодействия РНК-РНК для отдельных последовательностей. Он выводит субоптимальные структуры на основе распределения Больцмана. Он учитывает всевозможные совместные вторичные структуры двух взаимодействующих нуклеиновых кислот, не содержащие псевдоузлов, псевдоузлов взаимодействия или зигзагов.даНет[2][105]
RactIPБыстрое и точное предсказание взаимодействия РНК-РНК с использованием целочисленного программирования.даНетисходный код веб сервер[106]
РНКалидуплексНа основе РНК-дуплекса с бонусами для коваринговых сайтовНетдаисходный код[17]
РНК-складкаРаботает во многом аналогично RNAfold, но позволяет указать две последовательности РНК, которые затем могут образовывать димерную структуру.даНетисходный код[17][107]
РНКдуплексВычисляет оптимальные и субоптимальные вторичные структуры для гибридизации. Расчет упрощается за счет учета только межмолекулярных пар оснований.НетНетисходный код[17]
РНКгибридИнструмент для поиска минимальной свободной энергии гибридизации длинной и короткой РНК.НетНетисходный код, веб сервер[108][109]
RNAupРассчитывает термодинамику взаимодействий РНК-РНК. Связывание РНК-РНК распадается на два этапа. (1) Сначала вычисляется вероятность того, что интервал последовательности (например, сайт связывания) останется неспаренным. (2) Затем энергия связывания с учетом того, что сайт связывания является неспаренным, рассчитывается как оптимальная для всех возможных типов связывания.даНетисходный код[17][110]

Межмолекулярные взаимодействия: МикроРНК: любая РНК

В приведенной ниже таблице представлены взаимодействия, которые не ограничиваются UTR.

ИмяОписаниеМежвидовойВнутримолекулярная структураСравнительная степеньСвязьРекомендации
comTARВеб-инструмент для прогнозирования мишеней miRNA, который в основном основан на сохранении потенциальной регуляции у видов растений.даНетНетВеб-инструмент[111]
РНК22Первая ссылка (предварительно вычисленные предсказания) обеспечивает предсказания RNA22 для всех кодирующих белок транскриптов у человека, мыши, аскариды и плодовой мухи. Это позволяет визуализировать прогнозы на карте кДНК, а также находить транскрипты, в которых нацелены несколько представляющих интерес miR. Вторая ссылка на веб-сайт (интерактивные / настраиваемые последовательности) сначала находит предполагаемые сайты связывания микроРНК в интересующей последовательности, а затем идентифицирует целевую микроРНК. Оба инструмента предоставляются Центр вычислительной медицины в Университет Томаса Джефферсона.даНетНетпредварительно вычисленные прогнозы интерактивные / настраиваемые последовательности[112]
РНКгибридИнструмент для поиска минимальной свободной энергии гибридизации длинной и короткой РНК.даНетНетисходный код, веб сервер[108][109]
miRBookingИмитирует стехиометрический способ действия микроРНК, используя производную Алгоритм Гейла-Шепли для поиска стабильного набора дуплексов. Он использует количественные оценки для просмотра набора пар мРНК и микроРНК и комплементарность семян для ранжирования и назначения сайтов.даНетНетисходный код, веб сервер[113]

Межмолекулярные взаимодействия: MicroRNA: UTR

МикроРНК регулируют экспрессию генов, кодирующих белок, связываясь с 3 'UTR, есть инструменты, специально разработанные для прогнозирования этих взаимодействий. Для оценки методов прогнозирования целей на основе высокопроизводительных экспериментальных данных см. (Baek и другие., Природа 2008),[114] (Алексиу и другие., Биоинформатика 2009),[115] или (Ritchie et al., Nature Methods 2009)[116]

ИмяОписаниеМежвидовойВнутримолекулярная структураСравнительная степеньСвязьРекомендации
АмурМетод для одновременное предсказание взаимодействий miRNA-мишень и их опосредованных взаимодействий конкурирующих эндогенных РНК (ceRNA). Это интегративный подход, который значительно улучшает точность прогнозирования мишени миРНК, что оценивается с помощью измерений уровня мРНК и белка в линиях клеток рака молочной железы. Cupid реализуется в 3 этапа: Этап 1: повторная оценка участков связывания miRNA-кандидатов в 3 ’UTR. Шаг 2: взаимодействия прогнозируются путем интеграции информации о выбранных сайтах и ​​статистической зависимости между профилями экспрессии miRNA и предполагаемыми мишенями. Шаг 3: Купидон оценивает, конкурируют ли предполагаемые мишени за предсказанные регуляторы miRNA.человекНетдапрограммное обеспечение (MATLAB)[117]
Диана-МикроТВерсия 3.0 - это алгоритм, основанный на нескольких параметрах, рассчитываемых индивидуально для каждой микроРНК, и он объединяет консервативные и неконсервативные элементы распознавания микроРНК в окончательную оценку прогноза.человек, мышьНетдавеб сервер[118]
MicroTarИнструмент для прогнозирования мишени miRNA животных на основе комплементарности miRNA-мишени и термодинамических данных.даНетНетисходный код[119]
miTargetПредсказание гена-мишени микроРНК с использованием машины опорных векторов.даНетНетвеб сервер[120]
зеркалоНа основе представления о комбинаторной регуляции ансамблем miRNA или генов. miRror объединяет прогнозы из дюжины ресурсов miRNA, основанные на дополнительных алгоритмах, в единую статистическую структуру.даНетНетвеб сервер[121][122]
PicTarКомбинаторные прогнозы мишеней микроРНК.8 позвоночныхНетдапредсказания[123]
PITAВключает в себя роль доступности сайта-мишени, определяемую взаимодействиями спаривания оснований внутри мРНК, в распознавании мишени микроРНК.дадаНетисполняемый файл, веб сервер, предсказания[124]
РНК22Первая ссылка (предварительно вычисленные предсказания) обеспечивает предсказания RNA22 для всех кодирующих белки транскриптов у человека, мыши, круглого червя и плодовой мухи. Это позволяет визуализировать прогнозы на карте кДНК, а также находить транскрипты, в которых нацелены несколько представляющих интерес miR.Вторая ссылка на веб-сайт (интерактивные / настраиваемые последовательности) сначала находит предполагаемые сайты связывания микроРНК в интересующей последовательности, а затем идентифицирует целевую микроРНК. Оба инструмента предоставляются Центр вычислительной медицины в Университет Томаса Джефферсона.даНетНетпредварительно вычисленные прогнозы интерактивные / настраиваемые последовательности[112]
РНКгибридИнструмент для поиска минимальной свободной энергии гибридизации длинной и короткой РНК.даНетНетисходный код, веб сервер[108][109]
SylamerМетод поиска слов в последовательностях, в которых значительно больше или меньше представлены слова в соответствии с отсортированным списком генов. Обычно используется для обнаружения значительного обогащения или истощения посевных последовательностей микроРНК или миРНК на основе данных экспрессии микроматрицы.даНетНетисходный код веб сервер[125][126]
ТАРЕФTARget REFiner (TAREF) предсказывает цели микроРНК на основе информации о множестве признаков, полученной из фланкирующих областей предсказанных целевых сайтов, где традиционный подход предсказания структуры может оказаться неэффективным для оценки открытости. Он также предоставляет возможность использовать закодированный шаблон для уточнения фильтрации.НетНетНетсервер / исходный код[127]
п-ТАРЕФplant TARget REFiner (p-TAREF) идентифицирует микроРНК-мишени растений на основе информации о множественных характеристиках, полученных из фланкирующих областей предсказанных целевых сайтов, где традиционный подход к предсказанию структуры может оказаться неэффективным для оценки открытости. Он также предоставляет возможность использовать закодированный шаблон для уточнения фильтрации. Он впервые использовал возможности машинного обучения со схемой скоринга через опорная векторная регрессия (SVR) при рассмотрении структурных и согласованных аспектов нацеливания на растения с конкретными моделями растений. p-TAREF был реализован в параллельной архитектуре в серверной и автономной формах, что сделало его одним из очень немногих доступных инструментов идентификации цели, способных одновременно работать на простых рабочих столах, выполняя при этом огромный анализ уровня транскриптома точно и быстро. Также предоставляет возможность экспериментальной проверки прогнозируемых целей на месте, используя данные выражений, которые были интегрированы в его серверную часть, чтобы обеспечить уверенность в прогнозе наряду с оценкой SVR. Сравнительный анализ производительности p-TAREF широко проводился с помощью различных тестов и по сравнению с другими инструментами идентификации мишеней миРНК растений. Было обнаружено, что p-TAREF работает лучше.НетНетНетсервер / автономный
TargetScanПредсказывает биологические мишени miRNA путем поиска сайтов, которые соответствуют затравочной области каждой miRNA. Для мух и нематод прогнозы ранжируются на основе вероятности их эволюционного сохранения. У рыбок данио прогнозы ранжируются на основе номера сайта, типа сайта и контекста сайта, который включает факторы, влияющие на доступность целевого сайта. Что касается млекопитающих, пользователь может выбрать, следует ли ранжировать прогнозы на основе вероятности их сохранения или на основе номера, типа и контекста участка. У млекопитающих и нематод пользователь может расширить прогнозы за пределы сохраняемых участков и рассмотреть все участки.позвоночные животные, мухи, нематодыоценивается косвеннодаисходный код, веб сервер[128][129][130][131][132][133]

программное обеспечение для прогнозирования генов нкРНК

ИмяОписаниеКоличество последовательностей
[Примечание 1]		Выравнивание
[Заметка 2]		Структура
[Заметка 3]		СвязьРекомендации
АлифольдзОценка множественного выравнивания последовательностей на предмет существования необычной стабильной и консервативной вторичной структуры РНК.любойВходдаисходный код[134]
EvoFoldсравнительный метод идентификации функциональных структур РНК при выравнивании нескольких последовательностей. Он основан на построении вероятностной модели, называемой phylo-SCFG, и использует характерные различия процесса замещения в спаривании стеблей и в неспаренных областях, чтобы делать свои прогнозы.любойВходдаlinuxbinary[135]
GraphClustМетод быстрой структурной кластеризации РНК для выявления общих (локальных) вторичных структур РНК. Прогнозируемые структурные кластеры представлены в виде выравнивания. Из-за линейной временной сложности для кластеризации можно анализировать большие наборы данных РНК.любойдадаисходный код[55]
MSARiэвристический поиск статистически значимой консервации вторичной структуры РНК при глубоком множественном выравнивании последовательностей.любойВходдаисходный код[136]
QRNAЭто код от Елены Ривас, который сопровождает представленную рукопись "Обнаружение генов некодирующей РНК с использованием сравнительного анализа последовательностейQRNA использует сравнительный анализ геномных последовательностей для обнаружения вторичных структур консервативной РНК, включая гены нкРНК и цис-регуляторные структуры РНК.2Входдаисходный код[137][138]
РНКзпрограмма для прогнозирования структурно консервативных и термодинамически стабильных вторичных структур РНК при множественном выравнивании последовательностей. Его можно использовать в полногеномном скрининге для обнаружения функциональных структур РНК, обнаруженных в некодирующих РНК и цис-действующих регуляторных элементах мРНК.любойВходдаисходный код, веб сервер РНКз 2[139][140][141]
ScanFoldПрограмма для предсказания уникальных локальных структур РНК в больших последовательностях с необычно стабильной укладкой.1Никтодаисходный код веб сервер[142]
Xrateпрограмма для анализа множественных выравниваний последовательностей с использованием филогенетических грамматики, что можно рассматривать как гибкое обобщение программы «Evofold».любойдадаисходный код[89]
Примечания
  1. ^ Количество последовательностей: <любое | число>.
  2. ^ Выравнивание: предсказывает выравнивание, <вход | да | нет>.
  3. ^ Структура: предсказывает структура, <вход | да | нет>.

Программное обеспечение для прогнозирования генов конкретных семей

ИмяОписаниеСемьяСвязьРекомендации
АРАГОРНARAGORN обнаруживает тРНК и тмРНК в нуклеотидных последовательностях.тРНК тмРНКвеб сервер источник[143]
miReadermiReader - первый в своем роде, который обнаруживает зрелые miRNA без зависимости от геномных или референсных последовательностей. До сих пор открытие miRNA было возможно только с видами, для которых были бы доступны геномные или референсные последовательности, поскольку большинство инструментов для открытия miRNA полагались на отбор кандидатов pre-miRNA. Из-за этого биология miRNA стала ограничиваться в основном модельными организмами. miReader позволяет напрямую различать зрелые миРНК из данных секвенирования малых РНК, без необходимости использования эталонных геномных последовательностей. Он был разработан для многих типов и видов, от моделей позвоночных до моделей растений. Было обнаружено, что его точность неизменно превышает 90% при тяжелых проверочных испытаниях.зрелая миРНКвеб-сервер / источник веб-сервер / источник[144]
miRNAminerПри заданном поисковом запросе кандидаты-гомологи идентифицируются с помощью поиска BLAST, а затем тестируются на их известные свойства miRNA, такие как вторичная структура, энергия, выравнивание и консервация, чтобы оценить их точность.МикроРНКвеб сервер[145]
RISCbinderПредсказание направляющей цепи микроРНК.Зрелая миРНКвеб сервер[146]
RNAmicroПодход на основе SVM, который в сочетании с нестрогим фильтром для согласованных вторичных структур способен распознавать предшественники микроРНК при множественном выравнивании последовательностей.МикроРНКдомашняя страница[147]
РНКаммерRNAmmer использует HMMER комментировать рРНК гены в последовательностях генома. Профили были построены с использованием выравниваний из европейской базы данных рибосомных РНК.[148] и база данных рибосомных РНК 5S.[149]рРНКвеб сервер источник[150]
SnoReportИспользует сочетание предсказания вторичной структуры РНК и машинного обучения, которое предназначено для распознавания двух основных классов snoRNA, box C / D и box H / ACA snoRNA, среди последовательностей-кандидатов ncRNA.snoRNAисходный код[151]
СноСканПоиск генов snoRNA, направляющих метилирование C / D-бокса, в геномной последовательности.C / D бокс snoRNAисходный код, веб сервер[152][153]
tRNAscan-SEпрограмма для обнаружения генов транспортной РНК в геномной последовательности.тРНКисходный код, веб сервер[153][154]
miRNAFoldБыстрая ab initio программа для поиска предшественников микроРНК в геномах.микроРНКвеб сервер[155]

ПО для поиска гомологии РНК

ИмяОписаниеСвязьРекомендации
ЭРПИН«Easy RNA Profile IdentificatioN» - это программа поиска мотивов РНК, которая считывает выравнивание последовательностей и вторичную структуру и автоматически выводит статистический «профиль вторичной структуры» (SSP). Затем исходный алгоритм динамического программирования сопоставляет этот SSP с любой целевой базой данных, находя решения и связанные с ними оценки.исходный код веб сервер[156][157][158]
Адский«ИНФЕРЕНЦИЯ ВЫРАВНИВАНИЯ РНК» предназначена для поиска в базах данных последовательностей ДНК на предмет сходства структуры и последовательностей РНК. Это реализация особого случая профильных стохастических контекстно-свободных грамматик, называемых ковариационными моделями (CM).исходный код[159][160][161]
GraphClustМетод быстрой структурной кластеризации РНК для выявления общих (локальных) вторичных структур РНК. Прогнозируемые структурные кластеры представлены в виде выравнивания. Из-за линейной временной сложности для кластеризации можно анализировать большие наборы данных РНК.исходный код[55]
PHMMTS«Парные скрытые марковские модели на древовидных структурах» - это расширение парных скрытых марковских моделей, определенных на выравниваниях деревьев.исходный код, веб сервер[162]
RaveNnAМедленный и строгий или быстрый и эвристический фильтр на основе последовательностей для ковариационных моделей.исходный код[163][164]
RSEARCHБерет одну последовательность РНК с ее вторичной структурой и использует алгоритм локального выравнивания для поиска в базе данных гомологичных РНК.исходный код[165]
StructatorСверхбыстрое программное обеспечение для поиска структурных мотивов РНК, использующее инновационный алгоритм двунаправленного сопоставления на основе индексов в сочетании с новой стратегией быстрого связывания фрагментов.исходный код[166]
RaligNAtorБыстрые онлайн-алгоритмы на основе индексов для приближенного поиска паттернов структуры последовательности РНКисходный код[167]

Контрольные точки

ИмяОписаниеСтруктура[Примечание 1]Выравнивание[Заметка 2]ФилогенияСсылкиРекомендации
BRalibase яКомплексное сравнение подходов к сравнительному предсказанию структуры РНКдаНетНетданные[168]
BRalibase IIТест нескольких программ выравнивания последовательностей структурных РНКНетдаНетданные[169]
BRalibase 2.1Тест нескольких программ выравнивания последовательностей структурных РНКНетдаНетданные[170]
BRalibase IIIКритическая оценка эффективности методов поиска гомологии на некодирующих РНКНетдаНетданные[171]
CompaRNAНезависимое сравнение однопоследовательных и сравнительных методов предсказания вторичной структуры РНКдаНетНетЗеркало АМУ или же IIMCB зеркало[172]
RNAconTestТест выравнивания множественных последовательностей РНК, полностью основанный на известных трехмерных структурах РНКдадаНетданные[173]
Примечания
  1. ^ Структура: ориентиры структура инструменты прогнозирования <да | нет>.
  2. ^ Выравнивание: ориентиры выравнивание инструменты <да | нет>.

Наблюдатели, редакторы расклада

ИмяОписаниеВыравнивание[Примечание 1]Структура[Заметка 2]СвязьРекомендации
4продажаИнструмент для синхронного выравнивания и редактирования последовательностей РНК и вторичных структурдадаисходный код[174]
Colorstock, SScolor, RatonColorstock, сценарий командной строки, использующий цвет терминала ANSI; SScolor, a Perl скрипт, генерирующий статические HTML-страницы; и Ратон, Аякс веб-приложение, генерирующее динамический HTML. Каждый инструмент можно использовать для окраски выравнивания РНК по вторичной структуре и для визуального выделения компенсаторных мутаций в стеблях.дадаисходный код[175]
Встроенный браузер генома (IGB)Программа просмотра множественных выравниваний, написанная на Ява.даНетисходный код[176]
JalviewРедактор множественного выравнивания, написанный на Ява.даНетисходный код[177][178]
РАЛИосновной режим для Emacs Текстовый редактор. Он предоставляет функциональные возможности для просмотра и редактирования множественных выравниваний последовательностей структурированных РНК.дадаисходный код[179]
SARSEГрафический редактор последовательностей для работы со структурными выравниваниями РНК.дадаисходный код[180]
Примечания
  1. ^ Выравнивание: просматривать и редактировать выравнивание, <да | нет>.
  2. ^ Структура: просматривать и редактировать структура, <да | нет>.

Обратный сворачивание, дизайн РНК

ИмяОписаниеСвязьРекомендации
Единый государственный дизайн
ЭтеРНК/EteRNABotИгра сворачивания РНК, в которой игрокам предлагается создать последовательности, которые складываются в структуру целевой РНК. Синтезируются лучшие последовательности для данной головоломки, а их структуры исследуются с помощью химического картирования. Затем последовательности оцениваются по согласованию данных с целевой структурой, и игрокам предоставляется обратная связь. EteRNABot - это программная реализация, основанная на правилах проектирования, представленных игроками EteRNA.EteRNA Game Веб-сервер EteRNABot[181]
Обратная РНКВ Пакет ViennaRNA предоставляет RNAinverse, алгоритм для создания последовательностей с желаемой структурой.Веб сервер[17]
RNAiFoldПолный подход к обратному сворачиванию РНК, основанный на программирование в ограничениях и реализовано с использованием ИЛИ Инструменты что позволяет специфицировать широкий спектр проектных ограничений. Программа RNAiFold предоставляет два алгоритма для решения обратной задачи сворачивания: i) RNA-CPdesign исследует все пространство поиска и ii) RNA-LNSdesign на основе поиск большого района метаэвристический подходит для оформления больших конструкций. Программа также может проектировать взаимодействующие молекулы РНК, используя RNAcofold Пакет ViennaRNA. Полнофункциональный, более ранняя реализация использование COMET доступно.Веб сервер Исходный код[182][183][184]
РНК-SSD/Конструктор РНКПодход RNA-SSD (RNA Secondary Structure Designer) сначала присваивает вероятностные основания каждой вероятностной модели на основе позиции. Впоследствии для оптимизации этой последовательности используется стохастический локальный поиск. RNA-SSD публично доступен под именем RNA Designer на веб-странице RNASoft.Веб сервер[185]
ИНФО-РНКИНФО-РНК использует динамическое программирование подход к созданию оптимизированной по энергии стартовой последовательности, которая впоследствии дополнительно улучшается с помощью стохастического локального поиска, который использует эффективный метод выбора соседей.Веб сервер Исходный код[186][187]
RNAexinvRNAexinv является расширением RNAinverse для создания последовательностей, которые не только складываются в желаемую структуру, но также должны обладать выбранными атрибутами, такими как термодинамическая стабильность и мутационная устойчивость. Этот подход не обязательно выводит последовательность, которая идеально соответствует входной структуре, но дает абстракцию формы, то есть он сохраняет смежность и вложенность структурных элементов, но не учитывает длину спирали и точное количество ее непарных позиций.Исходный код[188]
РНК-прапорщикЭтот подход применяет эффективный глобальная выборка алгоритм для изучения мутационного ландшафта в условиях структурных и термодинамических ограничений. Авторы показывают, что глобальный подход к выборке более надежен, чаще дает успех и генерирует более термодинамически стабильные последовательности, чем локальные подходы.Исходный код[189]
IncaRNAtionПреемник РНК-прапорщика, который может специально создавать последовательности с заданным содержанием GC с использованием GC-взвешенного ансамбля Больцмана и стохастического возвратИсходный код[190]
DSS-OptОптимизация динамики в пространстве последовательностей (DSS-Opt) использует Ньютоновская динамика в пространстве последовательности, с отрицательным условием проектирования и имитация отжига оптимизировать последовательность так, чтобы она складывалась в желаемую вторичную структуру.Исходный код[191]
MODENAЭтот подход интерпретирует обратное сворачивание РНК как многокритериальную задачу оптимизации и решает ее с помощью генетического алгоритма. В своей расширенной версии MODENA может создавать структуры РНК с псевдонимами с помощью IPknot.Исходный код[192][193]
ERDЭволюционный дизайн РНК (ERD) можно использовать для создания последовательностей РНК, которые складываются в заданную целевую структуру. Любая вторичная структура РНК содержит разные структурные компоненты, каждый из которых имеет разную длину. Поэтому на первом этапе реконструируются подпоследовательности (пулы) РНК, соответствующие различным компонентам с разной длиной. Используя эти пулы, ERD восстанавливает исходную последовательность РНК, которая совместима с данной целевой структурой. Затем ERD использует эволюционный алгоритм для улучшения качества подпоследовательностей, соответствующих компонентам. Главный вклад ERD заключается в использовании естественных последовательностей РНК, различных методов оценки последовательностей в каждой популяции и разного иерархического разложения целевой структуры на более мелкие подструктуры.Веб сервер Исходный код[194]
антаРНКИспользует лежащее в основе эвристическое моделирование местности для поиска пищи колонией муравьев для решения обратной задачи складчатости. Разработанные последовательности РНК демонстрируют высокое соответствие входным структурным ограничениям и ограничениям последовательности. Наиболее важно то, что значение GC разработанной последовательности можно регулировать с высокой точностью. Возможна выборка распределения значений GC из наборов решений и определение нескольких значений GC в пределах одного объекта в зависимости от области последовательности. Благодаря гибкой оценке промежуточных последовательностей с использованием базовых программ, таких как RNAfold, pKiss, а также HotKnots и IPKnot, с помощью этого подхода можно решить вторичные вложенные структуры РНК, а также структуры псевдоузлов H- и K-типа.Веб сервер Исходный код[195][196]
Дизайн с двумя состояниями
switch.plВ Пакет ViennaRNA обеспечивает Perl сценарий для разработки последовательностей РНК, которые могут принимать два состояния. Например Термометр РНК, которые меняют свое структурное состояние в зависимости от температуры окружающей среды, были успешно разработаны с использованием этой программы.Man Page Исходный код[197]
RiboMakerПредназначен для дизайна малые РНК (мРНК) и 5'UTR их целевой мРНК. МРНК предназначена для активации или подавления белковой экспрессии мРНК. Также возможно сконструировать только один из двух компонентов РНК при условии, что другая последовательность фиксирована.Веб сервер Исходный код[198]
Дизайн с несколькими состояниями
РНКблупринтЭта библиотека C ++ основана на РНК-дизайн алгоритм множественной целевой выборки. Это приносит SWIG интерфейс для Perl и Python что позволяет легко интегрировать в различные инструменты. Следовательно, выборка нескольких целевых последовательностей может быть объединена со многими методами оптимизации и целевыми функциями.Исходный код[199]
РНК-дизайнБазовый алгоритм основан на сочетании раскраски графа и эвристической локальной оптимизации, чтобы найти последовательности, которые могут адаптировать несколько предписанных конформаций. Программное обеспечение также может использовать RNAcofold для разработки взаимодействующих пар последовательностей РНК.Исходный код[постоянная мертвая ссылка][200]
FrnakensteinФрнакенштейн применяет генетический алгоритм для решения проблемы обратной сворачивания РНК.Исходный код[201]
ARDesignerКонструктор аллостерических РНК (ARDesigner) - это веб-инструмент, который решает проблему обратной сворачивания за счет включения мутационной устойчивости. Помимо локального поиска, программное обеспечение оснащено имитация отжига подход к эффективному поиску хороших решений. Инструмент был использован для проектирования Термометр РНК.[3][мертвая ссылка][202]
Примечания

Зрители вторичной структуры, редакторы

ИмяОписаниеСвязьРекомендации
PseudoViewerАвтоматическая визуализация структур псевдоузлов РНК в виде плоских графов.webapp / двоичный[203][204][205][206]
Фильмы РНКпросматривать последовательные пути через ландшафты вторичной структуры РНКисходный код[207][208]
РНК-ДВRNA-DV стремится предоставить простой в использовании графический интерфейс для визуализации и проектирования вторичных структур РНК. Он позволяет пользователям напрямую взаимодействовать со структурой РНК и выполнять такие операции, как изменение содержимого первичной последовательности и подключение / отключение нуклеотидных связей. Он также объединяет термодинамические расчеты энергии, включая четыре основные модели энергии. RNA-DV распознает три формата ввода, включая CT, RNAML и точечную скобку (dp).исходный код[209]
RNA2D3DПрограмма для создания, просмотра и сравнения трехмерных моделей РНКдвоичный[210]
Структура РНКRNAstructure имеет средство просмотра структур в файлах ct. Он также может сравнивать предсказанные структуры с помощью программы круговой диаграммы. Структуры можно выводить как файлы postscript.исходный код[211]
RNAView / RnamlViewИспользуйте RNAView для автоматической идентификации и классификации типов пар оснований, которые образуются в структурах нуклеиновых кислот. Используйте RnamlView для упорядочивания структур РНК.исходный код[212]
RILogoВизуализирует внутри- / межмолекулярные пары оснований двух взаимодействующих РНК с логотипами последовательностей на плоском графике.веб-сервер / исходный код[213]
ВАРНАИнструмент для автоматизированного рисования, визуализации и аннотации вторичной структуры РНК, изначально разработанный как сопутствующее программное обеспечение для веб-серверов и баз данных.webapp / исходный код[214]
форнаВеб-программа просмотра для отображения вторичных структур РНК с использованием силового макета графа, предоставляемого d3.js библиотека визуализации. Он основан на форнак, контейнер javascript для простого рисования вторичной структуры на веб-странице.webappисточник форнакисточник forna[215]
R2RПрограмма для рисования эстетических консенсусных диаграмм РНК с автоматическим распознаванием парных ковариаций. Рфам использует эту программу как для рисования аннотированной человеком SS, так и для ковариационно-оптимизированной структуры R-scape.источник[216]

Смотрите также

Рекомендации

  1. ^ Мичиаки Хамада; Хисанори Кирю; Кенго Сато; Тутай Митуяма; Киёси Асаи (2009). «Прогнозы вторичной структуры РНК с использованием обобщенных оценок центроидов». Биоинформатика. 25 (4): 465–473. Дои:10.1093 / биоинформатика / btn601. PMID 19095700.
  2. ^ Мичиаки Хамада; Хисанори Кирю; Кенго Сато; Тутай Митуяма; Киёси Асаи (2009). «Прогнозирование вторичной структуры РНК путем объединения информации о гомологичных последовательностях». Биоинформатика. 25 (12): i330–8. Дои:10.1093 / биоинформатика / btp228. ЧВК 2687982. PMID 19478007.
  3. ^ Шай Заков; Йоав Гольдберг; Майкл Эльхадад; Михал Зив-Укельсон (2011). «Богатая параметризация улучшает предсказание структуры РНК». Журнал вычислительной биологии. 18 (11): 1525–1542. Bibcode:2011LNCS.6577..546Z. Дои:10.1089 / cmb.2011.0184. PMID 22035327.
  4. ^ Do CB, Woods DA, Batzoglou S (2006). «CONTRAfold: предсказание вторичной структуры РНК без физических моделей». Биоинформатика. 22 (14): e90–8. Дои:10.1093 / биоинформатика / btl246. PMID 16873527.
  5. ^ а б Шредер С., Блекли С., Стоун Дж. В. (2011). «Ансамбль вторичных структур для инкапсидированной РНК вируса сателлитной мозаики табака в соответствии с требованиями химического исследования и кристаллографии». Биофизический журнал. 101 (1): 167–175. Bibcode:2011BpJ ... 101..167S. Дои:10.1016 / j.bpj.2011.05.053. ЧВК 3127170. PMID 21723827.
  6. ^ Биндевальд Э., Клут Т., Шапиро Б.А. (2010). «CyloFold: предсказание вторичной структуры, включая псевдоузлы». Исследования нуклеиновых кислот. 38 (Выпуск веб-сервера): 368–72. Дои:10.1093 / nar / gkq432. ЧВК 2896150. PMID 20501603.
  7. ^ Чен, Синьши; Ли, Ю; Умаров, Рамзан; Гао, Синь; Сонг, Ле (13.02.2020). "Предсказание вторичной структуры РНК путем обучения развернутым алгоритмам". arXiv:2002.05810 [cs.LG].
  8. ^ Чен, X., Ли, Ю., Умаров, Р., Гао, X., и Сонг, Л. Предсказание вторичной структуры РНК путем обучения развернутым алгоритмам. В Международной конференции по обучающим представлениям, 2020 г. URL https://openreview.net/forum?id=S1eALyrYDH.
  9. ^ Свенсон М.С., Андерсон Дж., Эш А., Гаурав П., Сюкёсд З., Бадер Д.А., Харви С.К., Heitsch CE (2012). «GTfold: возможность параллельного прогнозирования вторичной структуры РНК на многоядерных компьютерах». BMC Res Примечания. 5: 341. Дои:10.1186/1756-0500-5-341. ЧВК 3748833. PMID 22747589.
  10. ^ Сато К., Като Ю., Хамада М., Акуцу Т., Асаи К. (2011). «IPknot: быстрое и точное предсказание вторичных структур РНК с псевдоузлами с использованием целочисленного программирования». Биоинформатика. 27 (13): i85-93. Дои:10.1093 / биоинформатика / btr215. ЧВК 3117384. PMID 21685106.
  11. ^ Xayaphoummine A, Bucher T, Isambert H (2005). «Веб-сервер Kinefold для предсказания пути и структуры сворачивания РНК / ДНК, включая псевдоузлы и узлы». Нуклеиновые кислоты Res. 33 (Выпуск веб-сервера): W605–10. Дои:10.1093 / нар / gki447. ЧВК 1160208. PMID 15980546.
  12. ^ Xayaphoummine A, Bucher T, Thalmann F, Isambert H (2003). «Прогнозирование и статистика псевдоузлов в структурах РНК с использованием точно кластеризованного стохастического моделирования». Proc. Natl. Акад. Sci. СОЕДИНЕННЫЕ ШТАТЫ АМЕРИКИ. 100 (26): 15310–5. arXiv:физика / 0309117. Bibcode:2003PNAS..10015310X. Дои:10.1073 / pnas.2536430100. ЧВК 307563. PMID 14676318.
  13. ^ а б Цукер М., Стиглер П. (1981). «Оптимальное компьютерное сворачивание больших последовательностей РНК с использованием термодинамики и вспомогательной информации». Нуклеиновые кислоты Res. 9 (1): 133–48. Дои:10.1093 / nar / 9.1.133. ЧВК 326673. PMID 6163133.
  14. ^ а б Тайс, Коринна и Янссен, Стефан и Гигерих, Роберт (2010). «Прогнозирование вторичной структуры РНК, включая мотивы шпильки для поцелуев». В Моултоне, Винсенте и Сингхе, Моне (ред.). Алгоритмы в биоинформатике. 6293 (Конспект лекций по информатике ред.). Springer Berlin Heidelberg. С. 52–64. Дои:10.1007/978-3-642-15294-8_5. ISBN 978-3-642-15293-1.CS1 maint: несколько имен: список авторов (связь)
  15. ^ Ривас Э., Эдди С.Р. (1999). «Алгоритм динамического программирования для предсказания структуры РНК, включая псевдоузлы». J. Mol. Биол. 285 (5): 2053–68. arXiv:физика / 9807048. Дои:10.1006 / jmbi.1998.2436. PMID 9925784. S2CID 2228845.
  16. ^ Ридер Дж., Штеффен П., Гигерих Р. (2007). "pknotsRG: складывание псевдоузла РНК, включая почти оптимальные структуры и раздвижные окна". Нуклеиновые кислоты Res. 35 (Выпуск веб-сервера): W320–4. Дои:10.1093 / нар / гкм258. ЧВК 1933184. PMID 17478505.
  17. ^ а б c d е ж грамм I.L. Хофакер; В. Фонтана; ПФ. Штадлер; С. Бонхёффер; М. Таккер; П. Шустер (1994). «Быстрое сворачивание и сравнение вторичных структур РНК». Monatshefte für Chemie. 125 (2): 167–188. Дои:10.1007 / BF00818163. S2CID 19344304.
  18. ^ Маккаскилл Дж. С. (1990). «Равновесная статистическая сумма и вероятности связывания пар оснований для вторичной структуры РНК». Биополимеры. 29 (6–7): 1105–19. Дои:10.1002 / bip.360290621. HDL:11858 / 00-001M-0000-0013-0DE3-9. PMID 1695107. S2CID 12629688.
  19. ^ Хофакер И.Л., Штадлер П.Ф. (2006). «Эффективные алгоритмы сворачивания памяти для вторичных структур кольцевой РНК». Биоинформатика. 22 (10): 1172–6. Дои:10.1093 / биоинформатика / btl023. PMID 16452114.
  20. ^ Bompfünewerer AF, Backofen R, Bernhart SH, et al. (2008). «Вариации складывания и выравнивания РНК: уроки Бенаске». J Math Biol. 56 (1–2): 129–144. CiteSeerX 10.1.1.188.1420. Дои:10.1007 / s00285-007-0107-5. PMID 17611759. S2CID 15637111.
  21. ^ Р. Гигерих, Б. Восс, М. Ремсмайер (2004). «Абстрактные формы РНК». Нуклеиновые кислоты Res. 32 (16): 4843–4851. Дои:10.1093 / нар / гх779. ЧВК 519098. PMID 15371549.CS1 maint: несколько имен: список авторов (связь)
  22. ^ B. Voß; Р. Гигерих; М. Ремсмайер (2006). «Полный вероятностный анализ форм РНК». BMC Биология. 4 (1): 5. Дои:10.1186/1741-7007-4-5. ЧВК 1479382. PMID 16480488.
  23. ^ Д. Х. Мэтьюз; Доктор медицины Диснея; Дж. Л. Чайлдс; С.Дж. Шредер; М. Цукер; Д.Х. Тернер (2004). «Включение ограничений химической модификации в алгоритм динамического программирования для предсказания вторичной структуры РНК». Труды Национальной академии наук Соединенных Штатов Америки. 101 (19): 7287–7292. Bibcode:2004ПНАС..101.7287М. Дои:10.1073 / pnas.0401799101. ЧВК 409911. PMID 15123812.
  24. ^ Д. Х. Мэтьюз (2004). «Использование функции распределения вторичной структуры РНК для определения достоверности пар оснований, предсказанных минимизацией свободной энергии». РНК. 10 (8): 1178–1190. Дои:10.1261 / rna.7650904. ЧВК 1370608. PMID 15272118.
  25. ^ Цанг Х. Х., Визе К. К. (2010). «SARNA-Predict: повышение точности предсказания вторичной структуры РНК с использованием имитационного отжига на основе перестановок». IEEE / ACM Transactions по вычислительной биологии и биоинформатике. 7 (4): 727–40. Дои:10.1109 / TCBB.2008.97. PMID 21030739. S2CID 12095376.
  26. ^ Дин Y, Лоуренс CE (2003). «Алгоритм статистической выборки для предсказания вторичной структуры РНК». Нуклеиновые кислоты Res. 31 (24): 7280–301. Дои:10.1093 / нар / gkg938. ЧВК 297010. PMID 14654704.
  27. ^ Дин Y, Чан CY, Лоуренс CE (2004). «Веб-сервер Sfold для статистического сворачивания и рационального дизайна нуклеиновых кислот». Нуклеиновые кислоты Res. 32 (Выпуск веб-сервера): W135–41. Дои:10.1093 / нар / гх449. ЧВК 441587. PMID 15215366.
  28. ^ Дин Y, Чан CY, Лоуренс CE (2005). «Предсказание вторичной структуры РНК по центроидам в ансамбле с весами Больцмана». РНК. 11 (8): 1157–66. Дои:10.1261 / rna.2500605. ЧВК 1370799. PMID 16043502.
  29. ^ Чан CY, Лоуренс CE, Ding Y (2005).«Возможности структурной кластеризации на веб-сервере Sfold». Биоинформатика. 21 (20): 3926–8. Дои:10.1093 / биоинформатика / bti632. PMID 16109749.
  30. ^ Сингх, Джасвиндер; Хэнсон, Джек; Паливал, Кульдип; Чжоу, Яоци (27.11.2019). «Предсказание вторичной структуры РНК с использованием ансамбля двумерных глубоких нейронных сетей и трансферного обучения». Nature Communications. 10 (1): 5407. Bibcode:2019НатКо..10.5407S. Дои:10.1038 / s41467-019-13395-9. ISSN 2041-1723. ЧВК 6881452. PMID 31776342.
  31. ^ Barsacchi B, Novoa EM, Kellis M, Bechini A (2016). «SwiSpot: моделирование рибопереключателей путем определения последовательностей переключения». Биоинформатика. 32 (21): 3252–3259. Дои:10.1093 / биоинформатика / btw401. PMID 27378291.
  32. ^ Маркхэм Н.Р., Цукер М. (2008). UNAFold: программное обеспечение для фолдинга и гибридизации нуклеиновых кислот. Методы Мол Биол. Методы молекулярной биологии ™. 453. С. 3–31. Дои:10.1007/978-1-60327-429-6_1. ISBN 978-1-60327-428-9. PMID 18712296.
  33. ^ Доусон В.К., Фудзивара К., Каваи Г. (2007). «Прогнозирование псевдоузлов РНК с использованием эвристического моделирования с отображением и последовательным сворачиванием». PLOS ONE. 2 (9): e905. Bibcode:2007PLoSO ... 2..905D. Дои:10.1371 / journal.pone.0000905. ЧВК 1975678. PMID 17878940.
  34. ^ Доусон В.К., Такай Т., Ито Н., Симидзу К., Каваи Г. (2014). «Новая энтропийная модель для РНК: часть III. Имеет ли форму складывающийся ландшафт свободной энергии РНК воронки?». Журнал исследования нуклеиновых кислот. 5 (1): 2652. Дои:10.4081 / jnai.2014.2652.
  35. ^ Frellsen J, Moltke I, Thiim M, Mardia KV, Ferkinghoff-Borg J, Hamelryck T (2009). Гарднер П. (ред.). «Вероятностная модель конформационного пространства РНК». PLOS Comput. Биол. 5 (6): e1000406. Bibcode:2009PLSCB ... 5E0406F. Дои:10.1371 / journal.pcbi.1000406. ЧВК 2691987. PMID 19543381.
  36. ^ Дас Р., Бейкер Д. (сентябрь 2007 г.). «Автоматическое предсказание de novo третичных структур нативной РНК». Proc. Natl. Акад. Sci. СОЕДИНЕННЫЕ ШТАТЫ АМЕРИКИ. 104 (37): 14664–9. Bibcode:2007PNAS..10414664D. Дои:10.1073 / pnas.0703836104. ЧВК 1955458. PMID 17726102.
  37. ^ Шарма С., Дин Ф, Дохолян Н.В. (сентябрь 2008 г.). «iFoldRNA: предсказание и сворачивание трехмерной структуры РНК». Биоинформатика. 24 (17): 1951–2. Дои:10.1093 / биоинформатика / btn328. ЧВК 2559968. PMID 18579566.
  38. ^ Parisien M, Major F (2008). «Конвейер MC-Fold и MC-Sym выводит структуру РНК из данных последовательности». Природа. 452 (1): 51–55. Bibcode:2008Натура 452 ... 51П. Дои:10.1038 / природа06684. PMID 18322526. S2CID 4415777.
  39. ^ СК Флорес; РБ Альтман (сентябрь 2010 г.). «Грубое моделирование больших молекул РНК с потенциалами, основанными на знаниях, и структурными фильтрами». РНК. 15 (9): 1769–1778. Дои:10.1261 / rna.1270809. ЧВК 2924536. PMID 19144906.
  40. ^ Jonikas MA, Radmer RJ, Laederach A, et al. (Февраль 2009 г.). «Превращение ограниченной экспериментальной информации в трехмерные модели РНК». РНК. 16 (2): 189–99. Дои:10.1261 / rna.2112110. ЧВК 2648710. PMID 20651028.
  41. ^ Попенда М., Щечнюк М., Антчак М., Пуржицка К.Дж., Лукасяк П., Бартол Н., Блажевич Дж., Адамиак Р.В. (2012). «Автоматизированное построение трехмерных структур для больших РНК». Нуклеиновые кислоты Res. 40 (14): 1–12. Дои:10.1093 / нар / гкс339. ЧВК 3413140. PMID 22539264.
  42. ^ Perriquet O, Touzet H, Dauchet M (2003). «Обнаружение общей структуры двух гомологичных РНК». Биоинформатика. 19 (1): 108–16. Дои:10.1093 / биоинформатика / 19.1.108. PMID 12499300.
  43. ^ Touzet H, Perriquet O (1 июля 2004 г.). «CARNAC: складывающиеся семейства родственных РНК». Нуклеиновые кислоты Res. 32. 32 (Выпуск веб-сервера): W142–5. Дои:10.1093 / нар / гх415. ЧВК 441553. PMID 15215367.
  44. ^ Мичиаки Хамада; Кенго Сато; Киёси Асаи (2011). «Повышение точности предсказания вторичной структуры выровненных последовательностей РНК». Нуклеиновые кислоты Res. 39 (2): 393–402. Дои:10.1093 / nar / gkq792. ЧВК 3025558. PMID 20843778.
  45. ^ Мичиаки Хамада; Кенго Сато; Хисанори Кирю; Тутай Митуяма; Киёси Асаи (2009). «CentroidAlign: быстрый и точный выравниватель для структурированных РНК за счет максимального увеличения ожидаемой суммы пар». Биоинформатика. 25 (24): 3236–43. Дои:10.1093 / биоинформатика / btp580. PMID 19808876.
  46. ^ Яо З., Вайнберг З., Руццо В.Л. (2006). "CMfinder - алгоритм поиска мотивов РНК на основе ковариационной модели". Биоинформатика. 22 (4): 445–52. Дои:10.1093 / биоинформатика / btk008. PMID 16357030.
  47. ^ Доуэлл Р.Д., Эдди С.Р. (2006). «Эффективное предсказание и выравнивание попарной структуры РНК с использованием ограничений выравнивания последовательностей». BMC Bioinformatics. 7 (1): 400. Дои:10.1186/1471-2105-7-400. ЧВК 1579236. PMID 16952317.
  48. ^ Сато К., Като Ю., Акуцу Т., Асаи К., Сакакибара Ю. (2012). «DAFS: одновременное выравнивание и сворачивание последовательностей РНК посредством двойного разложения». Биоинформатика. 28 (24): 3218–24. Дои:10.1093 / биоинформатика / bts612. PMID 23060618.
  49. ^ Мэтьюз Д.Х., Тернер Д.Х. (2002). «Dynalign: алгоритм поиска вторичной структуры, общей для двух последовательностей РНК». J. Mol. Биол. 317 (2): 191–203. Дои:10.1006 / jmbi.2001.5351. PMID 11902836.
  50. ^ Мэтьюз Д.Х. (2005). «Прогнозирование набора вторичных структур РНК с минимальной свободной энергией, общих для двух последовательностей». Биоинформатика. 21 (10): 2246–53. Дои:10.1093 / биоинформатика / bti349. PMID 15731207.
  51. ^ Харманси АО, Шарма Г., Мэтьюз Д.Х. (2007). «Эффективное предсказание попарной структуры РНК с использованием вероятностных ограничений выравнивания в Dynalign». BMC Bioinformatics. 8 (1): 130. Дои:10.1186/1471-2105-8-130. ЧВК 1868766. PMID 17445273.
  52. ^ Тораринссон Э., Хавгаард Дж. Х., Городкин Дж. (2007). «Множественное структурное выравнивание и кластеризация последовательностей РНК». Биоинформатика. 23 (8): 926–32. Дои:10.1093 / биоинформатика / btm049. PMID 17324941.
  53. ^ Майло Нимрод; Заков Шай; Каценельсон Эрез; Бахмат Эйтан; Диниц Ефим; Зив-Укельсон Михал (2012). «Сравнение деревьев РНК с помощью некорневых неупорядоченных выравниваний». Алгоритмы в биоинформатике. Конспект лекций по информатике. 7534: 135–148. Дои:10.1007/978-3-642-33122-0_11. ISBN 978-3-642-33121-3.
  54. ^ Майло Нимрод; Заков Шай; Каценельсон Эрез; Бахмат Эйтан; Диниц Ефим; Зив-Укельсон Михал (2013). «Некорневое неупорядоченное гомеоморфное выравнивание поддеревьев РНК-деревьев». Алгоритмы молекулярной биологии. 8 (1): 13. Дои:10.1186/1748-7188-8-13. ISSN 1748-7188. ЧВК 3765143. PMID 23590940.
  55. ^ а б c Heyne S, Costa F, Rose D, Backofen R (2012). «GraphClust: структурная кластеризация локальных вторичных структур РНК без выравнивания». Биоинформатика. 28 (12): i224 – i232. Дои:10.1093 / биоинформатика / bts224. ЧВК 3371856. PMID 22689765.
  56. ^ Биндевальд Э., Шапиро Б.А. (2006). «Предсказание вторичной структуры РНК из выравнивания последовательностей с использованием сети классификаторов k-ближайших соседей». РНК. 12 (3): 342–52. Дои:10.1261 / rna.2164906. ЧВК 1383574. PMID 16495232.
  57. ^ Бауэр М., Клау Г.В., Райнерт К. (2007). «Точное выравнивание множественных последовательностей и структур последовательностей РНК с использованием комбинаторной оптимизации». BMC Bioinformatics. 8 (1): 271. Дои:10.1186/1471-2105-8-271. ЧВК 1955456. PMID 17662141.
  58. ^ Будет S, Reiche K, Hofacker IL, Stadler PF, Backofen R (2007). «Выявление семейств и классов некодирующих РНК с помощью кластеризации на основе структуры на уровне генома». PLOS Comput. Биол. 3 (4): e65. Bibcode:2007PLSCB ... 3 ... 65 Вт. Дои:10.1371 / journal.pcbi.0030065. ЧВК 1851984. PMID 17432929.
  59. ^ Линдгрин С., Гарднер П.П., Крог А. (2006). «Измерение ковариации в выравнивании РНК: физический реализм улучшает показатели информации». Биоинформатика. 22 (24): 2988–95. Дои:10.1093 / биоинформатика / btl514. PMID 17038338.
  60. ^ Линдгрин С., Гарднер П.П., Крог А. (2007). «MASTR: множественное выравнивание и предсказание структуры некодирующих РНК с использованием имитации отжига». Биоинформатика. 23 (24): 3304–11. CiteSeerX 10.1.1.563.7072. Дои:10.1093 / биоинформатика / btm525. PMID 18006551.
  61. ^ Сюй З., Мэтьюз Д.Х. (2011). «Multilign: алгоритм для прогнозирования вторичных структур, консервативных в нескольких последовательностях РНК». Биоинформатика. 27 (5): 626–632. Дои:10.1093 / биоинформатика / btq726. ЧВК 3042186. PMID 21193521.
  62. ^ Кирю Х, Табей Й, Кин Т, Асаи К. (2007). "Murlet: практический инструмент множественного выравнивания структурных последовательностей РНК". Биоинформатика. 23 (13): 1588–98. Дои:10.1093 / биоинформатика / btm146. PMID 17459961.
  63. ^ Табей Й, Кирю Х, Кин Т, Асаи К. (2008). «Быстрый метод структурного множественного выравнивания длинных последовательностей РНК». BMC Bioinformatics. 9 (1): 33. Дои:10.1186/1471-2105-9-33. ЧВК 2375124. PMID 18215258.
  64. ^ Харманси А.О., Шарма Г., Мэтьюз Д.Х. (2008). "PARTS: вероятностное выравнивание для предсказания вторичной структуры RNA joinT". Нуклеиновые кислоты Res. 36 (7): 2406–17. Дои:10.1093 / nar / gkn043. ЧВК 2367733. PMID 18304945.
  65. ^ Кнудсен Б., Хайн Дж. (1999). «Предсказание вторичной структуры РНК с использованием стохастических контекстно-свободных грамматик и истории эволюции». Биоинформатика. 15 (6): 446–54. Дои:10.1093 / биоинформатика / 15.6.446. PMID 10383470.
  66. ^ Кнудсен Б, Хайн Дж (2003). «Pfold: предсказание вторичной структуры РНК с использованием стохастических контекстно-свободных грамматик». Нуклеиновые кислоты Res. 31 (13): 3423–8. Дои:10.1093 / нар / gkg614. ЧВК 169020. PMID 12824339.
  67. ^ Seemann SE, Городкин J, Backofen R (2008). «Объединение эволюционной и термодинамической информации для сворачивания РНК множественных выравниваний». Нуклеиновые кислоты Res. 36 (20): 6355–62. Дои:10.1093 / nar / gkn544. ЧВК 2582601. PMID 18836192.
  68. ^ Doose G, Metzler D (2012). «Байесовская выборка эволюционно консервативных вторичных структур РНК с псевдоузлами». Биоинформатика. 28 (17): 2242–2248. Дои:10.1093 / биоинформатика / bts369. PMID 22796961.
  69. ^ Hofacker IL, Bernhart SH, Stadler PF (2004). «Выравнивание матриц вероятности спаривания оснований РНК». Биоинформатика. 20 (14): 2222–7. Дои:10.1093 / биоинформатика / bth229. PMID 15073017.
  70. ^ Вей Д., Альперт Л. В., Лоуренс К. Э. (2011). «RNAG: новый пробоотборник Гиббса для предсказания вторичной структуры РНК для невыровненной последовательности». Биоинформатика. 27 (18): 2486–2493. Дои:10.1093 / биоинформатика / btr421. ЧВК 3167047. PMID 21788211.
  71. ^ Вильм А., Хиггинс Д. Г., Notredame C (май 2008 г.). «R-Coffee: метод множественного выравнивания некодирующей РНК». Нуклеиновые кислоты Res. 36 (9): e52. Дои:10.1093 / nar / gkn174. ЧВК 2396437. PMID 18420654.
  72. ^ Моретти С., Вильм А., Хиггинс Д. Г., Ксенариос I, Notredame C (июль 2008 г.). «R-Coffee: веб-сервер для точного выравнивания некодирующих последовательностей РНК». Нуклеиновые кислоты Res. 36 (Проблема с веб-сервером): W10–3. Дои:10.1093 / nar / gkn278. ЧВК 2447777. PMID 18483080.
  73. ^ Харманси АО, Шарма Г., Мэтьюз Д.Х. (2011). «TurboFold: итеративная вероятностная оценка вторичных структур для множественной последовательности РНК». BMC Bioinformatics. 12 (1): 108. Дои:10.1186/1471-2105-12-108. ЧВК 3120699. PMID 21507242.
  74. ^ Ситин М.Г., Мэтьюз Д.Х. (2012). «TurboKnot: быстрое предсказание вторичных структур консервативной РНК, включая псевдоузлы». Биоинформатика. 28 (6): 792–798. Дои:10.1093 / биоинформатика / bts044. ЧВК 3307117. PMID 22285566.
  75. ^ Ривас, Э; Клементс, Дж; Эдди, SR (январь 2017 г.). «Статистический тест на консервативную структуру РНК показывает отсутствие доказательств структуры днРНК». Природные методы. 14 (1): 45–48. Дои:10.1038 / nmeth.4066. ЧВК 5554622. PMID 27819659.
  76. ^ Хофакер И.Л., Фекете М., Штадлер П.Ф. (2002). «Предсказание вторичной структуры выровненных последовательностей РНК». J. Mol. Биол. 319 (5): 1059–66. Дои:10.1016 / S0022-2836 (02) 00308-X. PMID 12079347.
  77. ^ Восс, Бьёрн (2006). «Структурный анализ выровненных РНК». Исследования нуклеиновых кислот. 34 (19): 5471–5481. Дои:10.1093 / нар / gkl692. ЧВК 1636479. PMID 17020924.
  78. ^ Ридер Дж., Гигерих Р. (2005). «Формы консенсуса: альтернатива алгоритму Санкоффа для предсказания консенсусной структуры РНК». Биоинформатика. 21 (17): 3516–23. Дои:10.1093 / биоинформатика / bti577. PMID 16020472.
  79. ^ Höchsmann M, Töller T, Giegerich R, Kurtz S (2003). «Локальное сходство вторичных структур РНК». Proc IEEE Comput Soc Bioinform Conf. 2: 159–68. PMID 16452790.
  80. ^ Höchsmann M, Voss B, Giegerich R (2004). «Чистое выравнивание множественных вторичных структур РНК: подход прогрессивного профиля». IEEE / ACM Trans Comput Biol Bioinform. 1 (1): 53–62. Дои:10.1109 / TCBB.2004.11. PMID 17048408. S2CID 692442.
  81. ^ Хамада М., Цуда К., Кудо Т., Кин Т., Асаи К. (2006). «Извлечение частых образцов ствола из невыровненных последовательностей РНК». Биоинформатика. 22 (20): 2480–7. Дои:10.1093 / биоинформатика / btl431. PMID 16908501.
  82. ^ Сюй Х, Цзи И, Стормо Г.Д. (2007). «RNA Sampler: новый алгоритм на основе выборки для предсказания общей вторичной структуры РНК и структурного выравнивания». Биоинформатика. 23 (15): 1883–91. Дои:10.1093 / биоинформатика / btm272. PMID 17537756.
  83. ^ Табей Ю., Цуда К., Кин Т., Асаи К. (2006). «SCARNA: быстрое и точное структурное выравнивание последовательностей РНК путем сопоставления стволовых фрагментов фиксированной длины». Биоинформатика. 22 (14): 1723–9. Дои:10.1093 / биоинформатика / btl177. PMID 16690634.
  84. ^ Мейер И.М., Миклош И. (2007). «SimulFold: одновременный вывод структур РНК, включая псевдоузлы, выравнивания и деревья, с использованием байесовской структуры MCMC». PLOS Comput. Биол. 3 (8): e149. Bibcode:2007PLSCB ... 3..149M. Дои:10.1371 / journal.pcbi.0030149. ЧВК 1941756. PMID 17696604.
  85. ^ Холмс I (2005). «Ускоренный вероятностный вывод эволюции структуры РНК». BMC Bioinformatics. 6 (1): 73. Дои:10.1186/1471-2105-6-73. ЧВК 1090553. PMID 15790387.
  86. ^ Далли Д., Вильм А., Майнц I, Стегер Г. (2006). «STRAL: прогрессивное выравнивание некодирующей РНК с использованием векторов вероятности спаривания оснований в квадратичном времени». Биоинформатика. 22 (13): 1593–9. Дои:10.1093 / биоинформатика / btl142. PMID 16613908.
  87. ^ Энгелен С., Тахи Ф (2010). «Tfold: эффективное предсказание in silico вторичных структур некодирующих РНК». Нуклеиновые кислоты Res. 38 (7): 2453–66. Дои:10.1093 / nar / gkp1067. ЧВК 2853104. PMID 20047957.
  88. ^ Тораринссон Э, Линдгрин С (2008). «WAR: веб-сервер для выравнивания структурных РНК». Нуклеиновые кислоты Res. 36 (Выпуск веб-сервера): W79–84. Дои:10.1093 / nar / gkn275. ЧВК 2447782. PMID 18492721.
  89. ^ а б Клостерман П.С., Узилов А.В., Бенданья Ю.Р., Брэдли Р.К., Чао С., Козиол С., Голдман Н., Холмс И. (октябрь 2006 г.). «XRate: инструмент для быстрого создания прототипов, обучения и аннотации филограмматик». BMC Bioinformatics. 7 (1): 428. Дои:10.1186/1471-2105-7-428. ЧВК 1622757. PMID 17018148.
  90. ^ Ханумантаппа, Анил Кумар; Сингх, Джасвиндер; Паливал, Кулдип; Сингх, Джасприт; Чжоу, Яоци. «Прогнозирование доступности растворителя РНК на основе одной последовательности и профиля с использованием расширенной сверточной нейронной сети». Биоинформатика. Дои:10.1093 / биоинформатика / btaa652.
  91. ^ Вс, Сайсай; У, Ци; Пэн, Чжэнлин; Ян, Цзяньи (2019-05-15). «Улучшенное прогнозирование доступности растворителя РНК с помощью нейронных сетей с долговременной краткосрочной памятью и улучшенных профилей последовательностей». Биоинформатика. 35 (10): 1686–1691. Дои:10.1093 / биоинформатика / bty876. ISSN 1367-4803.
  92. ^ Ян, Юэдун; Ли, Сяомэй; Чжао, Хуэйин; Чжан, Цзянь; Ван, Цзихуа; Чжоу, Яоци (01.01.2017). «Геномная характеристика третичных структур РНК и их функциональное влияние с помощью предсказания доступности растворителей РНК». РНК. 23 (1): 14–22. Дои:10.1261 / rna.057364.116. ISSN 1355-8382. PMID 27807179.
  93. ^ Эггенхофер, Тафер, Штадлер, Хофакер (2011). «RNApredator: быстрое предсказание целей мРНК на основе доступности». Нуклеиновые кислоты Res. 39 (приложение 2: W149 – W154): W149 – W154. Дои:10.1093 / nar / gkr467. ЧВК 3125805. PMID 21672960.CS1 maint: несколько имен: список авторов (связь)
  94. ^ Герлах В., Гигерих Р. (2006). "GUUGle: утилита для быстрого точного сопоставления согласно дополнительным правилам РНК, включая спаривание оснований G-U". Биоинформатика. 22 (6): 762–764. Дои:10.1093 / биоинформатика / btk041. PMID 16403789.
  95. ^ Манн М., Райт PR, Backofen R (2017). «IntaRNA 2.0: улучшенное и настраиваемое предсказание взаимодействий РНК-РНК». Нуклеиновые кислоты Res. 45 (Веб-сервер): W435 – W439. Дои:10.1093 / нар / gkx279. ЧВК 5570192. PMID 28472523.
  96. ^ а б Райт PR, Георг Дж., Манн М., Сореску Д.А., Рихтер А.С., Лотт С., Кляйнкауф Р., Хесс В. Р., Бэкофен Р. (2014). «CopraRNA и IntaRNA: прогнозирование малых РНК-мишеней, сетей и доменов взаимодействия». Нуклеиновые кислоты Res. 42 (Веб-сервер): W119–23. Дои:10.1093 / нар / gku359. ЧВК 4086077. PMID 24838564.
  97. ^ Busch A, Richter AS, Backofen R (2008). «IntaRNA: эффективное предсказание бактериальных мишеней мРНК, включая доступность сайта-мишени и области семян». Биоинформатика. 24 (24): 2849–56. Дои:10.1093 / биоинформатика / btn544. ЧВК 2639303. PMID 18940824.
  98. ^ Рихтер А.С., Шлебергер С., Бекофен Р., Штеглих С. ​​(2010). «Прогнозирование INTARNA на основе семян в сочетании с системой GFP-репортер идентифицирует мишени мРНК малой РНК Yfr1». Биоинформатика. 26 (1): 1–5. Дои:10.1093 / биоинформатика / btp609. ЧВК 2796815. PMID 19850757.
  99. ^ Смит С., Хейн С., Рихтер А.С., Уилл С., Бэкофен Р. (2010). «Freiburg RNA Tools: веб-сервер, объединяющий INTARNA, EXPARNA и LOCARNA». Нуклеиновые кислоты Res. 38 (Веб-сервер): W373–7. Дои:10.1093 / nar / gkq316. ЧВК 2896085. PMID 20444875.
  100. ^ Райт PR, Рихтер А.С., Папенфорт К., Манн М., Фогель Дж., Хесс В.Р., Бэкофен Р., Георг Дж. (2013). «Сравнительная геномика улучшает предсказание целей для бактериальных малых РНК». Proc Natl Acad Sci U S A. 110 (37): E3487 – E3496. Bibcode:2013PNAS..110E3487W. Дои:10.1073 / pnas.1303248110. ЧВК 3773804. PMID 23980183.
  101. ^ Górska A, Jasiński M, Trylska J (2015). «MINT: программа для определения мотивов и короткодействующих взаимодействий в траекториях нуклеиновых кислот». Исследования нуклеиновых кислот. 43 (17): e114. Дои:10.1093 / nar / gkv559. ЧВК 4787793. PMID 26024667.
  102. ^ Р.М. Кортики; J.S. Буа; Дж. М. Шеффер; Э. Уинфри; Н.А.Пирс (2007). «Термодинамический анализ взаимодействующих цепей нуклеиновых кислот». SIAM Обзор. 49 (1): 65–88. Bibcode:2007SIAMR..49 ... 65D. CiteSeerX 10.1.1.523.4764. Дои:10.1137/060651100.
  103. ^ Д. Х. Мэтьюз; М.Е. Буркард; С.М. Фрейер; Д.Х. Тернер (1999). «Прогнозирование сродства олигонуклеотидов к мишеням РНК». РНК. 5 (11): 1458–1469. Дои:10.1017 / S1355838299991148. ЧВК 1369867. PMID 10580474.
  104. ^ Х. Чицаз; Р. Салари; S.C. Sahinalp; Р. Бакофен (2009). «Алгоритм функции распределения для взаимодействующих нитей нуклеиновой кислоты». Биоинформатика. 25 (12): i365 – i373. Дои:10.1093 / биоинформатика / btp212. ЧВК 2687966. PMID 19478011.
  105. ^ Эндрю Сян Ли; Цзин Цинь; Манья Марз; Кристиан М. Рейдис (2011). «Предсказание взаимодействия РНК-РНК на основе множественного выравнивания последовательностей». Биоинформатика. 27 (4): 456–463. arXiv:1003.3987. Дои:10.1093 / биоинформатика / btq659. PMID 21134894. S2CID 6586629.
  106. ^ Като Ю., Сато К., Хамада М., Ватанабэ Ю., Асаи К., Акуцу Т. (2010). «RactIP: быстрое и точное предсказание взаимодействия РНК-РНК с использованием целочисленного программирования». Биоинформатика. 26 (18): i460-6. Дои:10.1093 / биоинформатика / btq372. ЧВК 2935440. PMID 20823308.
  107. ^ Bernhart SH, Tafer H, Mückstein U, Flamm C, Stadler PF, Hofacker IL (2006). «Функция разделения и вероятности образования пар гетеродимеров РНК». Алгоритмы Мол Биол. 1 (1): 3. Дои:10.1186/1748-7188-1-3. ЧВК 1459172. PMID 16722605.
  108. ^ а б c Ремсмайер М., Штеффен П., Хохсманн М., Гигерих Р. (2004). «Быстрое и эффективное предсказание дуплексов микроРНК / мишени». РНК. 10 (10): 1507–17. Дои:10.1261 / rna.5248604. ЧВК 1370637. PMID 15383676.
  109. ^ а б c Крюгер Дж, Ремсмайер М (2006). «РНКгибрид: предсказание цели микроРНК легко, быстро и гибко». Нуклеиновые кислоты Res. 34 (Проблема с веб-сервером): W451–4. Дои:10.1093 / нар / gkl243. ЧВК 1538877. PMID 16845047.
  110. ^ Mückstein U, Tafer H, Hackermüller J, Bernhart SH, Stadler PF, Hofacker IL (2006). «Термодинамика связывания РНК-РНК». Биоинформатика. 22 (10): 1177–82. Дои:10.1093 / биоинформатика / btl024. PMID 16446276.
  111. ^ Черостецкий Ю., Палатник Ю. Ф. (июль 2014 г.). «comTAR: веб-инструмент для прогнозирования и характеристики консервативных мишеней микроРНК в растениях». Биоинформатика. 30 (14): 2066–7. Дои:10.1093 / биоинформатика / btu147. PMID 24632500.
  112. ^ а б Миранда К.С., Хюинх Т., Тай Й., Энг Й.С., Там У.Л., Томсон А.М., Лим Б., Ригутсос I (2006). «Метод на основе шаблонов для идентификации сайтов связывания MicroRNA и их соответствующих гетеродуплексов». Клетка. 126 (6): 1203–17. Дои:10.1016 / j.cell.2006.07.031. PMID 16990141.
  113. ^ Weill N, Lisi V, Scott N, Dallaire P, Pelloux J, Major F (август 2015). «MiRBooking имитирует стехиометрический механизм действия микроРНК». Исследования нуклеиновых кислот. 43 (14): 6730–8. Дои:10.1093 / нар / gkv619. ЧВК 4538818. PMID 26089388.
  114. ^ Бэк Д., Виллен Дж., Шин С., Камарго Ф. Д., Гиги С. П., Бартель Д. П. (2008). «Влияние микроРНК на выход белка». Природа. 455 (7209): 64–71. Bibcode:2008Натура.455 ... 64Б. Дои:10.1038 / природа07242. ЧВК 2745094. PMID 18668037.
  115. ^ Алексиу П., Марагкакис М., Пападопулос Г.Л., Рецко М., Хатцигеоргиу А.Г. (2009). «Трудности перевода: оценка и перспектива вычислительной идентификации мишени микроРНК». Биоинформатика. 25 (23): 3049–55. Дои:10.1093 / биоинформатика / btp565. PMID 19789267.
  116. ^ Ричи В., Фламант С., Раско Дж. Э. (2009). «Предсказание целей и функций микроРНК: ловушки для неосторожных». Природные методы. 6 (6): 3978–398. Дои:10.1038 / nmeth0609-397. PMID 19478799. S2CID 205417583.
  117. ^ Chiu HS, Llobet-Navas D, Yang X, Chung WJ, Ambesi-Impiombato A, Iyer A, Kim HR, Seviour EG, Luo Z, Sehgal V, Moss T, Lu Y, Ram P, Silva J, Mills GB, Califano А, Сумазин П. (февраль 2015). «Амур: одновременная реконструкция сетей микроРНК-мишень и цеРНК». Геномные исследования. 25 (2): 257–67. Дои:10.1101 / гр.178194.114. ЧВК 4315299. PMID 25378249.
  118. ^ Maragkakis M, Alexiou P, Papadopoulos GL, Reczko M, Dalamagas T., Giannopoulos G, Goumas G, Koukis E, Kourtis K, Simossis VA, Sethupathy P, Vergoulis T, Koziris N, Sellis AG, Tsanakas P, Hatzorgi, 2009) . «Точное предсказание цели микроРНК коррелирует с уровнями репрессии белка». BMC Bioinformatics. 10 (1): 295. Дои:10.1186/1471-2105-10-295. ЧВК 2752464. PMID 19765283.
  119. ^ Тадани Р., Тамми М. Т. (2006). «MicroTar: прогнозирование мишеней микроРНК из дуплексов РНК». BMC Bioinformatics. 7. 7 (Приложение 5): S20. Дои:10.1186 / 1471-2105-7-S5-S20. ЧВК 1764477. PMID 17254305.
  120. ^ Ким С.К., Нам Дж. В., Ри Дж. К., Ли В. Дж., Чжан Б. Т. (2006). «miTarget: прогнозирование гена-мишени микроРНК с использованием машины опорных векторов». BMC Bioinformatics. 7 (1): 411. Дои:10.1186/1471-2105-7-411. ЧВК 1594580. PMID 16978421.
  121. ^ Фридман Ю., Наамати Г., Линиал М. (август 2010 г.). «MiRror: веб-инструмент комбинаторного анализа ансамблей микроРНК и их мишеней». Биоинформатика. 26 (15): 1920–1. Дои:10.1093 / биоинформатика / btq298. PMID 20529892.
  122. ^ Балага О., Фридман Ю., Линиал М. (октябрь 2012 г.). «К комбинаторной природе регуляции микроРНК в клетках человека». Исследования нуклеиновых кислот. 40 (19): 9404–16. Дои:10.1093 / нар / gks759. ЧВК 3479204. PMID 22904063.
  123. ^ Крек А., Грюн Д., Пой М.Н., Вольф Р., Розенберг Л., Эпштейн Э. Дж., МакМенамин П., да Пьедаде И., Гунсалус К.С., Стоффель М., Раевский Н. (2005). «Комбинаторные прогнозы мишеней микроРНК». Нат Жене. 37 (5): 495–500. Дои:10,1038 / ng1536. PMID 15806104. S2CID 22672750.
  124. ^ Кертес М., Иовино Н., Аннерстолл U, Галла U, Сигал Э (2007). «Роль доступности сайта в распознавании мишени микроРНК». Нат Жене. 39 (10): 1278–84. Дои:10,1038 / ng2135. PMID 17893677. S2CID 1721807.
  125. ^ ван Донген С., Абреу-Гуджер С., Энрайт А. Дж. (2008). «Обнаружение связывания микроРНК и нецелевых эффектов миРНК на основе данных экспрессии». Нат методы. 5 (12): 1023–5. Дои:10.1038 / nmeth.1267. ЧВК 2635553. PMID 18978784.
  126. ^ Бартоничек Н., Энрайт А.Дж. (2010). «SylArray: веб-сервер для автоматического обнаружения эффектов miRNA по данным экспрессии». Биоинформатика. 26 (22): 2900–1. Дои:10.1093 / биоинформатика / btq545. PMID 20871108.
  127. ^ Р. Хейхам и Р. Шанкар (2010). «Информация о последовательности фланкирующей области для уточнения прогнозов мишени микроРНК». Журнал биологических наук. 35 (1): 105–18. Дои:10.1007 / s12038-010-0013-7. PMID 20413915. S2CID 7047781.
  128. ^ Льюис Б.П., Ши И.Х., Джонс-Роудс М.В., Бартель Д.П., Бердж CB (декабрь 2003 г.). «Прогнозирование мишеней микроРНК млекопитающих». Клетка. 115 (7): 787–98. Дои:10.1016 / S0092-8674 (03) 01018-3. PMID 14697198.
  129. ^ Льюис Б.П., Burge CB, Bartel DP (январь 2005 г.). «Консервативное спаривание семян, часто фланкированное аденозинами, указывает на то, что тысячи человеческих генов являются мишенями для микроРНК». Клетка. 120 (1): 15–20. Дои:10.1016 / j.cell.2004.12.035. PMID 15652477.
  130. ^ Гримсон А., Фар К.К., Джонстон В.К., Гарретт-Энгеле П., Лим LP, Бартель Д.П. (июль 2007 г.). «Специфичность нацеливания микроРНК у млекопитающих: детерминанты, выходящие за рамки спаривания семян». Молекулярная клетка. 27 (1): 91–105. Дои:10.1016 / j.molcel.2007.06.017. ЧВК 3800283. PMID 17612493.
  131. ^ Гарсия Д.М., Бэк Д., Шин С., Белл Г.В., Гримсон А., Бартель Д.П. (сентябрь 2011 г.). «Слабая стабильность спаривания семян и высокое изобилие сайтов-мишеней снижают эффективность lsy-6 и других микроРНК». Структурная и молекулярная биология природы. 18 (10): 1139–46. Дои:10.1038 / nsmb.2115. ЧВК 3190056. PMID 21909094.
  132. ^ Agarwal V, Bell GW, Nam JW, Bartel DP (август 2015 г.). «Предсказание эффективных сайтов-мишеней микроРНК в мРНК млекопитающих». eLife. 4: e05005. Дои:10.7554 / eLife.05005. ЧВК 4532895. PMID 26267216.
  133. ^ Agarwal, V; Субтельный, АО; Thiru, P; Улицкий, я; Бартель, Д.П. (4 октября 2018 г.). «Прогнозирование эффективности нацеливания на микроРНК у дрозофилы». Геномная биология. 19 (1): 152. Дои:10.1186 / s13059-018-1504-3. ЧВК 6172730. PMID 30286781.
  134. ^ Washietl S, Hofacker IL (2004). «Консенсусное сворачивание выровненных последовательностей как новая мера для обнаружения функциональных РНК с помощью сравнительной геномики». J. Mol. Биол. 342 (1): 19–30. CiteSeerX 10.1.1.58.6251. Дои:10.1016 / j.jmb.2004.07.018. PMID 15313604.
  135. ^ Pedersen JS, Bejerano G, Siepel A и др. (2006). «Идентификация и классификация консервативных вторичных структур РНК в геноме человека». PLOS Comput. Биол. 2 (4): e33. Bibcode:2006PLSCB ... 2 ... 33P. Дои:10.1371 / journal.pcbi.0020033. ЧВК 1440920. PMID 16628248.
  136. ^ Ковентри А., Клейтман DJ, Бергер Б.А. (2004). «MSARI: множественное выравнивание последовательностей для статистического обнаружения вторичной структуры РНК». PNAS. 101 (33): 12102–12107. Bibcode:2004PNAS..10112102C. Дои:10.1073 / pnas.0404193101. ЧВК 514400. PMID 15304649.CS1 maint: несколько имен: список авторов (связь)
  137. ^ Ривас Э., Эдди С.Р. (2001). «Обнаружение гена некодирующей РНК с использованием сравнительного анализа последовательностей». BMC Bioinformatics. 2 (1): 8. Дои:10.1186/1471-2105-2-8. ЧВК 64605. PMID 11801179.
  138. ^ Ривас Э., Кляйн Р.Дж., Джонс Т.А., Эдди С.Р. (2001). «Вычислительная идентификация некодирующих РНК в E. coli с помощью сравнительной геномики». Curr. Биол. 11 (17): 1369–73. Дои:10.1016 / S0960-9822 (01) 00401-8. PMID 11553332.
  139. ^ Washietl S, Hofacker IL, Stadler PF (2005). «Быстрое и надежное предсказание некодирующих РНК». Proc. Natl. Акад. Sci. СОЕДИНЕННЫЕ ШТАТЫ АМЕРИКИ. 102 (7): 2454–9. Bibcode:2005PNAS..102.2454W. Дои:10.1073 / pnas.0409169102. ЧВК 548974. PMID 15665081.
  140. ^ Gruber AR, Neuböck R, Hofacker IL, Washietl S (2007). «Веб-сервер RNAz: предсказание термодинамически стабильных и эволюционно консервативных структур РНК». Нуклеиновые кислоты Res. 35 (Выпуск веб-сервера): W335–8. Дои:10.1093 / нар / гкм222. ЧВК 1933143. PMID 17452347.
  141. ^ Washietl S (2007). «Прогнозирование структурных некодирующих РНК с помощью РНКз». Сравнительная геномика. Методы молекулярной биологии. 395. С. 503–26. Дои:10.1007/978-1-59745-514-5_32. ISBN 978-1-58829-693-1. PMID 17993695.
  142. ^ Эндрюс Р.Дж., Рош Дж., Мосс В.Н. (2018). «ScanFold: подход к обнаружению локальных структурных элементов РНК в масштабе всего генома - приложения к вирусу Зика и ВИЧ». PeerJ. 6: e6136. Дои:10.7717 / peerj.6136. ЧВК 6317755. PMID 30627482.
  143. ^ Ласлетт Д., Канбэк Б. (2004). «ARAGORN, программа для обнаружения генов тРНК и генов тмРНК в нуклеотидных последовательностях». Нуклеиновые кислоты Res. 32 (1): 11–6. Дои:10.1093 / нар / гх152. ЧВК 373265. PMID 14704338.
  144. ^ Джа А., Шанкар Р. (2013). "miReader: открытие новых miRNA у видов без секвенированного генома". PLOS ONE. 8 (6): e66857. Bibcode:2013PLoSO ... 866857J. Дои:10.1371 / journal.pone.0066857. ЧВК 3689854. PMID 23805282.
  145. ^ Арци С., Кезун А., Шомрон Н. (2008). «miRNAminer: инструмент для поиска гомологичных генов микроРНК». BMC Bioinformatics. 9 (1): 39. Дои:10.1186/1471-2105-9-39. ЧВК 2258288. PMID 18215311.
  146. ^ Ахмед Ф., Ансари Х.Р., Рагхава Г.П. (2009). «Предсказание направляющей цепи микроРНК по ее последовательности и вторичной структуре». BMC Bioinformatics. 10 (1): 105. Дои:10.1186/1471-2105-10-105. ЧВК 2676257. PMID 19358699.
  147. ^ Хертель Дж, Штадлер П.Ф. (2006). «Шпильки в стоге сена: распознавание предшественников микроРНК в сравнительных данных геномики». Биоинформатика. 22 (14): e197–202. Дои:10.1093 / биоинформатика / btl257. PMID 16873472.
  148. ^ Wuyts J, Perrière G, Ван Де Пер Y (2004). «Европейская база данных рибосомальных РНК». Нуклеиновые кислоты Res. 32 (Выпуск базы данных): D101–3. Дои:10.1093 / нар / gkh065. ЧВК 308799. PMID 14681368.
  149. ^ Шиманский М., Барцишевская М.З., Эрдманн В.А., Барцишевский Дж. (2002). «База данных рибосомальной РНК 5S». Нуклеиновые кислоты Res. 30 (1): 176–8. Дои:10.1093 / nar / 30.1.176. ЧВК 99124. PMID 11752286.
  150. ^ Lagesen K, Hallin P, Rødland EA, Staerfeldt HH, Rognes T, Ussery DW (2007). «RNAmmer: последовательная и быстрая аннотация генов рибосомной РНК». Нуклеиновые кислоты Res. 35 (9): 3100–8. Дои:10.1093 / нар / гкм160. ЧВК 1888812. PMID 17452365.
  151. ^ Hertel J, Hofacker IL, Stadler PF (2008). «SnoReport: вычислительная идентификация мяРНК с неизвестными мишенями». Биоинформатика. 24 (2): 158–64. Дои:10.1093 / биоинформатика / btm464. PMID 17895272.
  152. ^ Лоу TM, Эдди С.Р. (февраль 1999 г.). «Вычислительный экран для snoRNAs руководства метилирования в дрожжах». Наука. 283 (5405): 1168–71. Bibcode:1999Научный ... 283.1168Л. Дои:10.1126 / science.283.5405.1168. PMID 10024243.
  153. ^ а б Шаттнер П., Брукс А.Н., Лоу TM (июль 2005 г.). «Веб-серверы tRNAscan-SE, snoscan и snoGPS для обнаружения тРНК и snoRNA». Исследования нуклеиновых кислот. 33 (Проблема с веб-сервером): W686-9. Дои:10.1093 / нар / gki366. ЧВК 1160127. PMID 15980563.
  154. ^ Лоу TM, Эдди SR (1997). «tRNAscan-SE: программа для улучшенного обнаружения генов транспортной РНК в геномной последовательности». Нуклеиновые кислоты Res. 25 (5): 955–64. Дои:10.1093 / nar / 25.5.955. ЧВК 146525. PMID 9023104.
  155. ^ Темпель С, Тахи Ф (2012). «Быстрый неэмпирический метод предсказания предшественников miRNA в геномах». Нуклеиновые кислоты Res. 40 (11): 955–64. Дои:10.1093 / нар / гкс146. ЧВК 3367186. PMID 22362754.
  156. ^ Готере Д., Ламберт А. (2001). «Прямое определение и идентификация мотива РНК из множественных выравниваний последовательностей с использованием профилей вторичной структуры». Дж Мол Биол. 313 (5): 1003–11. Дои:10.1006 / jmbi.2001.5102. PMID 11700055.
  157. ^ Ламберт А, Фонтен Дж. Ф., Лежандр М., Леклерк Ф., Пермаль Е, Майор Ф, Путцер Х, Дельфур О, Мишо Б., Готере Д. (2004). «Сервер ERPIN: интерфейс для идентификации мотивов РНК на основе профиля». Нуклеиновые кислоты Res. 32 (Выпуск веб-сервера): W160–5. Дои:10.1093 / нар / гх418. ЧВК 441556. PMID 15215371.
  158. ^ Ламберт А, Лежандр М, Фонтен Дж. Ф., Готере Д. (2005). «Вычисление значений ожидания для мотивов РНК с использованием дискретных сверток». BMC Bioinformatics. 6 (1): 118. Дои:10.1186/1471-2105-6-118. ЧВК 1168889. PMID 15892887.
  159. ^ Nawrocki EP, Эдди SR (2007). «Зависимая от запроса группировка (QDB) для более быстрого поиска сходства РНК». PLOS Comput. Биол. 3 (3): e56. Bibcode:2007PLSCB ... 3 ... 56N. Дои:10.1371 / journal.pcbi.0030056. ЧВК 1847999. PMID 17397253.
  160. ^ Эдди SR (2002). «Эффективный с точки зрения памяти алгоритм динамического программирования для оптимального выравнивания последовательности с вторичной структурой РНК». BMC Bioinformatics. 3 (1): 18. Дои:10.1186/1471-2105-3-18. ЧВК 119854. PMID 12095421.
  161. ^ Эдди С.Р., Дурбин Р. (1994). «Анализ последовательности РНК с использованием ковариационных моделей». Нуклеиновые кислоты Res. 22 (11): 2079–88. Дои:10.1093 / nar / 22.11.2079. ЧВК 308124. PMID 8029015.
  162. ^ Сато К., Сакакибара Ю. (2005). «Вторичное структурное выравнивание РНК с условными случайными полями». Биоинформатика. 21. Дополнение 2 (Suppl_2): ii237–42. Дои:10.1093 / биоинформатика / bti1139. PMID 16204111.
  163. ^ Вайнберг З., Руццо В.Л. (2004). «Использование консервативной структуры для более быстрого аннотирования некодирующих РНК без потери точности». Биоинформатика. 20. Дополнение 1 (Suppl_1): i334–41. Дои:10.1093 / биоинформатика / bth925. PMID 15262817.
  164. ^ Вайнберг З., Руццо В.Л. (2006). «Эвристика на основе последовательностей для более быстрого аннотирования семейств некодирующих РНК». Биоинформатика. 22 (1): 35–9. Дои:10.1093 / биоинформатика / bti743. PMID 16267089.
  165. ^ Кляйн Р.Дж., Эдди С.Р. (2003). «RSEARCH: поиск гомологов единичных структурированных последовательностей РНК». BMC Bioinformatics. 4 (1): 44. Дои:10.1186/1471-2105-4-44. ЧВК 239859. PMID 14499004.
  166. ^ Мейер Ф, Курц С, Бэкофен Р, Уилл С, Бекстетт М (2011). "Structator: быстрый индексный поиск шаблонов структуры последовательности РНК". BMC Bioinformatics. 12 (1): 214. Дои:10.1186/1471-2105-12-214. ЧВК 3154205. PMID 21619640.
  167. ^ Мейер Ф, Курц С, Бекстетт М (июль 2013 г.). «Быстрые онлайновые и основанные на индексах алгоритмы для приблизительного поиска паттернов структуры последовательности РНК». BMC Bioinformatics. 14 (1): 226. Дои:10.1186/1471-2105-14-226. ЧВК 3765529. PMID 23865810.
  168. ^ Гарднер П.П., Гигерих Р. (2004). «Комплексное сравнение подходов к сравнительному предсказанию структуры РНК». BMC Bioinformatics. 5 (1): 140. Дои:10.1186/1471-2105-5-140. ЧВК 526219. PMID 15458580.
  169. ^ Гарднер П.П., Вильм А., Вашитл С. (2005). «Тест нескольких программ выравнивания последовательностей структурных РНК». Нуклеиновые кислоты Res. 33 (8): 2433–9. Дои:10.1093 / нар / gki541. ЧВК 1087786. PMID 15860779.
  170. ^ Вильм А., Майнц I, Стегер Г. (2006). «Улучшенный тест выравнивания РНК для программ выравнивания последовательностей». Алгоритмы Мол Биол. 1 (1): 19. Дои:10.1186/1748-7188-1-19. ЧВК 1635699. PMID 17062125.
  171. ^ Фрейхульт EK, Bollback JP, Gardner PP (2007). «Изучение темной материи генома: критическая оценка эффективности методов поиска гомологии некодирующих РНК». Genome Res. 17 (1): 117–25. Дои:10.1101 / гр.5890907. ЧВК 1716261. PMID 17151342.
  172. ^ Путон Т., Козловский Л.П., Ротер К.М., Буйницкий Ю.М. (2013). «CompaRNA: сервер для непрерывного тестирования автоматизированных методов предсказания вторичной структуры РНК». Исследования нуклеиновых кислот. 41 (7): 4307–23. Дои:10.1093 / nar / gkt101. ЧВК 3627593. PMID 23435231.
  173. ^ Райт ES (2020). «RNAconTest: Сравнение инструментов для выравнивания множественных последовательностей некодирующих РНК на основе структурной согласованности». РНК. 26 (5): 531–540. Дои:10.1261 / rna.073015.119. ЧВК 7161358. PMID 32005745.
  174. ^ Зайбель П.Н., Мюллер Т., Дандекар Т., Шульц Дж., Вольф М. (2006). «4SALE - инструмент для синхронного выравнивания и редактирования последовательностей РНК и вторичных структур». BMC Bioinformatics. 7 (1): 498. Дои:10.1186/1471-2105-7-498. ЧВК 1637121. PMID 17101042.
  175. ^ Бендана Ю. Р., Холмс И. Х. (2008). «Colorstock, SScolor, Rat ́on: инструменты визуализации выравнивания РНК». Биоинформатика. 24 (4): 579–80. Дои:10.1093 / биоинформатика / btm635. ЧВК 7109877. PMID 18218657.
  176. ^ Николь Дж. У., Хелт Г. А., Бланшар С. Г. мл., Раджа А., Лорейн А. Е. (2009). «Встроенный браузер генома: бесплатное программное обеспечение для распространения и исследования наборов данных в масштабе генома». Биоинформатика. 25 (20): 2730–2731. Дои:10.1093 / биоинформатика / btp472. ЧВК 2759552. PMID 19654113.
  177. ^ Уотерхаус AM, Проктер Дж. Б., Мартин Д. М., Зажим М., Бартон Дж. Дж. (2009). «Jalview Version 2 - редактор множественного выравнивания последовательностей и инструментальные средства анализа». Биоинформатика. 25 (9): 1189–91. Дои:10.1093 / биоинформатика / btp033. ЧВК 2672624. PMID 19151095.
  178. ^ Зажим M, Манжета J, Сирл С.М., Бартон Дж. Дж. (2004). "Редактор выравнивания Jalview Java". Биоинформатика. 20 (3): 426–7. Дои:10.1093 / биоинформатика / btg430. PMID 14960472.
  179. ^ Гриффитс-Джонс С (2005). "RALEE - редактор выравнивания РНК в Emacs". Биоинформатика. 21 (2): 257–9. Дои:10.1093 / биоинформатика / bth489. PMID 15377506.
  180. ^ Андерсен Е.С., Линд-Томсен А., Кнудсен Б. и др. (2007). «Полуавтоматическое улучшение выравнивания РНК». РНК. 13 (11): 1850–9. Дои:10.1261 / rna.215407. ЧВК 2040093. PMID 17804647.
  181. ^ Ли, Дж. И Кладванг, В. и Ли, М. и Канту, Д. и Азизян, М., Ким, Х. и Лимпэчер, А. и Юн, С., и Трейл, А. и Дас, Р. ( 2014). «Правила проектирования РНК из огромной открытой лаборатории». PNAS. 111 (6): 2122–2127. Bibcode:2014ПНАС..111.2122Л. Дои:10.1073 / pnas.1313039111. ЧВК 3926058. PMID 24469816.CS1 maint: несколько имен: список авторов (связь)
  182. ^ Х. А. Гарсия-Мартин; П. Клот; И. Доту (2013). «RNAiFold: алгоритм программирования с ограничениями для обратного сворачивания РНК и молекулярного дизайна». Журнал биоинформатики и вычислительной биологии. 11 (2): 1350001. Дои:10.1142 / S0219720013500017. PMID 23600819.
  183. ^ Х. А. Гарсия-Мартин; П. Клот; И. Доту (2013). «RNAiFold: веб-сервер для обратного сворачивания РНК и молекулярного дизайна». Исследования нуклеиновых кислот. 41 (W1): W465-70. Дои:10.1093 / nar / gkt280. ЧВК 3692061. PMID 23700314.
  184. ^ Х. А. Гарсия-Мартин; И. Доту; П. Клот (2015). «RNAiFold 2.0: веб-сервер и программное обеспечение для разработки собственных молекул РНК и молекул РНК на основе Rfam». Исследования нуклеиновых кислот. 43 (W1): W513-21. arXiv:1505.04210. Bibcode:2015arXiv150504210G. Дои:10.1093 / нар / gkv460. ЧВК 4489274. PMID 26019176.
  185. ^ М. Андронеску; A P Fejes; Ф. Хаттер; H H Hoos; Кондон (2004). «Новый алгоритм дизайна вторичной структуры РНК». Журнал молекулярной биологии. 336 (3): 607–624. Дои:10.1016 / j.jmb.2003.12.041. PMID 15095976.
  186. ^ Busch & R Backofen (2006). «ИНФО-РНК - быстрый подход к обратному сворачиванию РНК». Биоинформатика. 22 (15): 1823–1831. Дои:10.1093 / биоинформатика / btl194. PMID 16709587.
  187. ^ Буш и Р. Бакофен (2007). «ИНФО-РНК - сервер для быстрого обратного сворачивания РНК, удовлетворяющий ограничениям последовательности». Исследования нуклеиновых кислот. 35 (Проблема с веб-сервером): W310-3. Дои:10.1093 / нар / гкм218. ЧВК 1933236. PMID 17452349.
  188. ^ Авиху, А. Чуркин и Д. Бараш (2011). «RNAexinv: расширенное обратное сворачивание РНК от формы и физических атрибутов к последовательностям». BMC Bioinformatics. 12 (319): 319. Дои:10.1186/1471-2105-12-319. ЧВК 3176266. PMID 21813013.
  189. ^ А. Левин; М. Лис; Ю. Понти; К. У. О’Доннелл; С. Девадас; Б. Бергер и Дж. Вальдиспюль (2012). «Глобальный выборочный подход к проектированию и реинжинирингу вторичных структур РНК». Исследования нуклеиновых кислот. 40 (20): 10041–10052. Дои:10.1093 / нар / gks768. ЧВК 3488226. PMID 22941632.
  190. ^ В. Рейнхарц, Ю. Понти и Жером Вальдиспюль (2013). «Алгоритм взвешенной выборки для разработки последовательностей РНК с целевой вторичной структурой и распределением нуклеотидов». Биоинформатика. 29 (13): i308 – i315. Дои:10.1093 / биоинформатика / btt217. ЧВК 3694657. PMID 23812999.
  191. ^ М. К. Маттис; С. Бинерт и А. Э. Торда (2012). «Динамика в пространстве последовательностей для дизайна вторичной структуры РНК». Журнал химической теории и вычислений. 8 (10): 3663–3670. Дои:10.1021 / ct300267j. PMID 26593011.
  192. ^ А. Танеда (2011). «MODENA: многоцелевой обратный фолдинг РНК». Достижения и приложения в биоинформатике и химии. 4: 1–12. Дои:10.2147 / aabc.s14335. ЧВК 3169953. PMID 21918633.
  193. ^ А. Танеда (2012). "Многоцелевой генетический алгоритм для дизайна последовательности псевдоузловой РНК". Границы генетики. 3: 36. Дои:10.3389 / fgene.2012.00036. ЧВК 3337422. PMID 22558001.
  194. ^ Эсмаилит-тахери; М Ганджтабеш; М. Мохаммад-Нури (2014). «Эволюционное решение проблемы дизайна РНК». Биоинформатика. 30 (9): 1250–1258. Дои:10.1093 / биоинформатика / btu001. PMID 24407223.
  195. ^ R Kleinkauf; M Mann; Р. Бакофен (2015). «антаРНК: дизайн последовательности РНК на основе муравьиной колонии». Биоинформатика. 31 (19): 3114–3121. Дои:10.1093 / биоинформатика / btv319. ЧВК 4576691. PMID 26023105.
  196. ^ R Kleinkauf; T Houwaart; R Backofen; М. Манн (2015). «антаРНК - Многоцелевой обратный фолдинг РНК псевдоузла с использованием оптимизации муравьиных колоний». BMC Bioinformatics. 16 (389): 389. Дои:10.1186 / s12859-015-0815-6. ЧВК 4652366. PMID 26581440.
  197. ^ C Flamm; I L Hofacker; S Maurer-Stroh; П. Ф. Штадлер; М. Зель (2001). «Дизайн мультистабильных молекул РНК». РНК. 7 (2): 254–265. Дои:10,1017 / с 1355838201000863. ЧВК 1370083. PMID 11233982.
  198. ^ Родриго Джи и Джарамилло (2014). «RiboMaker: вычислительный дизайн риборегуляции на основе конформации». Биоинформатика. 30 (17): 2508–2510. Дои:10.1093 / биоинформатика / btu335. PMID 24833802.
  199. ^ S Hammer; Б. Чиачек; C Flamm; И. Л. Хофакер и С. Финдейс (2017). «RNAblueprint: гибкий дизайн последовательностей множественных целевых нуклеиновых кислот». Биоинформатика. 33 (18): 2850–2858. Дои:10.1093 / биоинформатика / btx263. ЧВК 5870862. PMID 28449031.
  200. ^ C Höner zu Siederdissen; S Hammer; Я Абфальтер; I L Hofacker; К. Фламм и П. Ф. Стадлер (2013). «Вычислительный дизайн РНК со сложными энергетическими ландшафтами». Биополимеры. 99 (12): 1124–1136. Дои:10.1002 / bip.22337. PMID 23818234. S2CID 7337968.
  201. ^ РБ Лингсё; Дж. В. Дж. Андерсон; Е Сизикова; Бадугу; Т. Хайланд и Йотун Хейн (2012). «Фрнакенштейн: множественная обратная сворачивание РНК-мишени». BMC Bioinformatics. 13 (260): 260. Дои:10.1186/1471-2105-13-260. ЧВК 3534541. PMID 23043260.
  202. ^ В. Шу; М. Лю; Х. Чен; X. Bo; С. Ван (2010). «ARDesigner: Интернет-система для дизайна аллостерической РНК». Журнал биотехнологии. 150 (4): 466–473. Дои:10.1016 / j.jbiotec.2010.10.067. PMID 20969900.
  203. ^ Бюн Й, Хан К. (2009). «PseudoViewer3: создание плоских чертежей крупномасштабных структур РНК с псевдоузлами». Биоинформатика. 25 (11): 1435–7. Дои:10.1093 / биоинформатика / btp252. PMID 19369500.
  204. ^ Бюн Й, Хан К. (2006). «PseudoViewer: веб-приложение и веб-сервис для визуализации псевдоузлов и вторичных структур РНК». Нуклеиновые кислоты Res. 34 (Выпуск веб-сервера): W416–22. Дои:10.1093 / нар / gkl210. ЧВК 1538805. PMID 16845039.
  205. ^ Хан К., Бён И (2003). «PSEUDOVIEWER2: Визуализация РНК псевдоузлов любого типа». Нуклеиновые кислоты Res. 31 (13): 3432–40. Дои:10.1093 / нар / gkg539. ЧВК 168946. PMID 12824341.
  206. ^ Хан К., Ли Й, Ким В. (2002). «PseudoViewer: автоматическая визуализация псевдоузлов РНК». Биоинформатика. 18. 18 (Приложение 1): S321–8. Дои:10.1093 / биоинформатика / 18.suppl_1.S321. PMID 12169562.
  207. ^ Кайзер А, Крюгер Дж, Эверс DJ (2007). «Фильмы РНК 2: последовательная анимация вторичных структур РНК». Нуклеиновые кислоты Res. 35 (Выпуск веб-сервера): W330–4. Дои:10.1093 / нар / гкм309. ЧВК 1933240. PMID 17567618.
  208. ^ Эверс Д., Гигерих Р. (1999). «РНК-фильмы: визуализация пространств вторичной структуры РНК». Биоинформатика. 15 (1): 32–7. Дои:10.1093 / биоинформатика / 15.1.32. PMID 10068690.
  209. ^ Цанг ХХ, Дай округ Колумбия (2012). «РНК-ДВ: интерактивный инструмент для редактирования и визуализации вторичных структур РНК». Proceeding BCB '12 Proceedings of the ACM Conference on Bioinformatics, Computational Biology and Biomedicine: 601–603. Дои:10.1145/2382936.2383036. ISBN 9781450316705. S2CID 15910737.
  210. ^ Мартинес Х.М., Майзель СП, Шапиро Б.А. (2008). «RNA2D3D: программа для создания, просмотра и сравнения трехмерных моделей РНК». J Biomol Struct Dyn. 25 (6): 669–83. Дои:10.1080/07391102.2008.10531240. ЧВК 3727907. PMID 18399701.
  211. ^ Рейтер JS, Мэтьюз Д.Х. (2010). «Структура РНК: программа для предсказания и анализа вторичной структуры РНК». BMC Bioinformatics. 11 (1): 129. Дои:10.1186/1471-2105-11-129. ЧВК 2984261. PMID 20230624.
  212. ^ Ян Х, Жосинет Ф, Леонтис Н, Чен Л, Вестбрук Дж, Берман Х, Вестхоф Э (2003). «Инструменты для автоматической идентификации и классификации пар оснований РНК». Нуклеиновые кислоты Res. 31 (13): 3450–60. Дои:10.1093 / нар / gkg529. ЧВК 168936. PMID 12824344.
  213. ^ Menzel P, Seemann SE, Gorodkin J (2012). «RILogo: визуализация взаимодействий РНК-РНК». Биоинформатика. 28 (19): 2523–6. Дои:10.1093 / биоинформатика / bts461. PMID 22826541.
  214. ^ Дарти К., Дениз А., Понти Ю. (2009). «ВАРНА: Интерактивное рисование и редактирование вторичной структуры РНК». Биоинформатика. 25 (15): 1974–5. Дои:10.1093 / биоинформатика / btp250. ЧВК 2712331. PMID 19398448.
  215. ^ Керпеджиев П., Хаммер С., Хофакер И.Л. (октябрь 2015 г.). «Форна (принудительно-направленная РНК): простые и эффективные онлайн-схемы вторичной структуры РНК». Биоинформатика. 31 (20): 3377–9. Дои:10.1093 / биоинформатика / btv372. ЧВК 4595900. PMID 26099263.
  216. ^ Вайнберг, Заша; Брейкер, Рональд Р. (4 января 2011 г.). «R2R - программное обеспечение для ускорения изображения вторичных структур эстетического консенсуса РНК». BMC Bioinformatics. 12 (1): 3. Дои:10.1186/1471-2105-12-3. ЧВК 3023696. PMID 21205310.