ScholarGate
Asisten
Process / pipelineTranscriptomics

Perakitan Transkriptom De Novo

Perakitan transkriptom de novo merekonstruksi sekuens asam ribonukleat pembawa pesan (messenger RNA/mRNA) sepanjang penuh langsung dari bacaan sekuensing tanpa memerlukan genom referensi. Dipelopori oleh Regev, Haas, dan kolega, alur kerja ini memungkinkan penemuan transkrip pada organisme non-model dan deteksi isoform baru, gen fusi, dan varian sambung (splice variants).

Buka di MethodMindSegeraVideoSegeraUnduh salindia

Baca metode selengkapnya

Khusus anggota

Masuk dengan akun gratis untuk membaca bagian ini.

Masuk

Peta metode

Lingkup metode terkait — pilih sebuah simpul untuk menjelajah.

Sumber

  1. Grabherr, M. G., Haas, B. J., Yassour, M., Levin, J. Z., Thompson, D. A., Amit, I., ... & Regev, A. (2011). Full-length transcriptome assembly from RNA-Seq data without a reference genome. Nature Biotechnology, 29(7), 644-652. DOI: 10.1038/nbt.1883
  2. Haas, B. J., Papanicolaou, A., Yassour, M., Grabherr, M., Blood, P. D., Bowden, J., ... & Regev, A. (2013). De novo transcript sequence reconstruction from RNA-seq using the Trinity platform for reference generation and analysis. Nature Protocols, 8(8), 1494-1512. DOI: 10.1038/nprot.2013.084
  3. Pertea, M., Pertea, G. M., Antonescu, C. M., Chang, T. C., Mendell, J. T., & Salzberg, S. L. (2015). StringTie enables improved assembly of novel transcripts from RNA-seq data. Nature Biotechnology, 33(3), 290-295. link

Cara menyitasi halaman ini

ScholarGate. (2026, June 3). De Novo RNA-Seq Transcriptome Assembly. ScholarGate. https://scholargate.app/id/bioinformatics/de-novo-transcriptome-assembly

Metode yang mana?

Letakkan metode ini berdampingan dengan kerabat terdekatnya dan baca secara bersisian — pustaka menata bukunya di atas meja; pilihan ada di tangan Anda.

Bandingkan berdampingan

Dirujuk oleh

ScholarGateDe Novo Transcriptome Assembly (De Novo RNA-Seq Transcriptome Assembly). Diakses 2026-06-15 dari https://scholargate.app/id/bioinformatics/de-novo-transcriptome-assembly · Set data: https://doi.org/10.5281/zenodo.20539026