2024年诺贝尔生理学或医学奖于北京时间10月7日下午5点30分公布，授予发现 microRNA 的两名科学家Victor Ambros、Gary Ruvkun，
这篇文章是2020年左右写的，请辩证的来看～
microRNA属于转录组RNAseq的一个小方向，如图，
转录组测序简介
「转录组」（Transcriptome）是组织中单个或一组细胞某个状态下DNA转录出的所有RNA集合，所有RNA可分为「编码RNA」（mRNA）和「非编码RNA」（miRNA , piRNA, SiRNA, SnRNA,lncRNA, NAT, eRNA, circ RNA, ceRNAs等等），下图清晰展示RNA家族分类（「红圈标记处是本文想要重点介绍的部分」）。 一般所说的「转录组测序」仅指mRNA测序，实际研究中转录组测序按目的不同还会细分，如mRNA测序（Messenger RNAs）、miRNA测序（microRNAs，small RNA中研究的最多的的一种）、lncRNA测序（Long noncoding RNAs）、circRNA测序（Circular RNAs）、【单细胞转录组、空间转录组、三代测序的全长转录组、无比对参考基因组的无参转录组、物种进化相关的比较转录组与泛转录组测序、特定环境的宏转录组等等】； 按照「测序策略」差异可将转录组测序分为short-read cDNA (测短的cDNA)、 long-read cDNA（测长cDNA）、long-read RNA（直接测RNA），比较如下： ❝
short-read cDNA，高通量，擅长研究「基因差异表达」；
❞
long-read cDNA，长读长，擅长「新异构体」发现、「新转录本」发现、「新基因融合」转录本发现等；
long-read RNA，长读长，擅长新异构体发现、新转录本发现、新基因融合转录本发现、研究「转录本修饰」信息。
三者详细比较如下「转录组测序运用」主要在以下方面：
❝❞
基因差异表达（differential gene expression） mRNA差异剪接（differential splicing of mRNAs） 单细胞基因表达（single-cell gene expression） RNA蛋白互作（the translatome） RNA结构（the structurome） 转录异质性（spatialomics）
mRNA|miRNA|lncRNA|circRNA分析简介
介绍各组学在转录调控中的作用机制，生信分析流程。
mRNA组
mRNA组就是测某个条件下上图中的mature mRNA，从上图可看出mRNA有一个Poly-A tail，mRNA测序文库构建时，利用「oligo(dT)磁珠能特异结合Poly-A tail」的原理，特异地将mRNA从总RNA中分离出来实现富集。「mRNA生信分析重点关注」case组和control组之间差异表达基因，也会做基因与蛋白互作、新转录本预测、可变剪切、基因融合等方面分析，下图可参考：
miRNA组
「miRNA作用机制」主要是沉默mRNA以实现「调控基因表达」，植物和动物中作用机制不一样，上图为植物中miRNA的作用机制（剪切以降解mRNA或者抑制翻译）。 「miRNA建库方式」有别于其它组学，主要是利用其长度分布在20 nt左右，文库构建时「切胶回收」该范围的条带，条带中还包含rRNA，siRNA，piRNA，tRNA等非编码RNA，所有后续分析会使用Rfame数据库，miRBASE来剔除非miRNA。 「miRNA生信分析重点关注」case组和control组之间差异表达miRNA，差异表达miRNA的靶mRNA预测，也会功能分析，下图可参考：
会用到的一些关键数据库及软件如下
lncRNA组
lncRNA（Long non-coding RNAs）指大于200nt的非编码RNA，能够与 DNA, RNA甚至蛋白作用。 l「ncRNA作用机制」可区分如下图几大类，
lncRNA测序建库时，会用试剂盒去除total RNA中的rRNA（所以lncRNA文库中也会有mRNA，生信分析也会附带分析mRNA）。 lncRNA「生信分析重点关注」case组和control组之间lncRNA差异表达，lncRNA顺/反式靶基因预测，其它还会分析miRNA、lncRNA与其靶基因mRNA的关联分析，下图简介分析流程。
circRNA组
circRNA合成及作用机制如下图。
circRNA生信分析
参考
mRNA|miRNA|lncRNA|circRNA关联分析
根据mRNA、miRNA、lncRNA、circRNA之间的相互作用可进行关联分析，以深入研究转录调控机制，下图为各种编码和非编码RNA之间的相互作用机制。关联分析差不多是这个意思
Reference
❝❞
Gomes C P D C , Schroen B , Kuster G M , et al. Regulatory RNAs in Heart Failure[J]. Circulation, 2020, 141(4):313-328. Stark R , Grzelak M , Hadfield J . RNA sequencing: the teenage years[J]. Nature Reviews Genetics. https://en.wikipedia.org/wiki/File:Gene_structure_eukaryote_2_annotated.svg Conesa A , Madrigal P , Tarazona S , et al. A survey of best practices for RNA-seq data analysis[J]. Genome Biology, 2016, 17(1):181. Hrdlickova B , De Almeida R C , Borek Z , et al. Genetic variation in the non-coding genome: Involvement of micro-RNAs and long non-coding RNAs in disease.[J]. BBA - Molecular Basis of Disease, 2014, 1842(10):1910-1922. https://sysbiocube-abcc.ncifcrf.gov/public/sysbiocube_documents/sysbiocube_sops/miRNAseq.pdf https://www.researchgate.net/figure/Overview-of-the-wheat-miRNA-pipeline-The-procedure-is-divided-in-three-parts-producing_fig5_275360044 https://www.g3journal.org/content/9/4/1263 【科研】LncRNA的数据分析 Gao Y , Li S , Lai Z , et al. Analysis of Long Non-Coding RNA and mRNA Expression Profiling in Immature and Mature Bovine (Bos taurus) Testes[J]. Frontiers in Genetics, 2013, 10. https://www.futuremedicine.com/doi/pdf/10.2217/epi-2019-0295
-END- 分享一份Python可视化教程（基于py可视化利器seaborn）：530张图形+8000行代码+详细代码注释+后续免费更新+学习交流群，教程部分内容， 例如，
👉可视化配色工具，colormap多达3174类，数万种颜色！
每类图表包含详细代码+详细代码注释，多达8000行代码，例如，
如何加入学习？
👇加入学习（收费、备注：169）
✅解锁获取6大权限：
8000+行代码（复制即可运行） 在线教程文档（清晰目录） 依赖数据（免费下载） 交流群 后续更新 定期抽最新机器学习、数据科学类书籍 点个 在看、赞 就是最大的支持
