基于高通量测序的细菌sRNA-靶标mRNA相互作用识别研究

结题报告
项目介绍
AI项目解读

基本信息

项目摘要

Bacterial sRNAs are a class of regulatory RNAs with their lengths varying from 40nt to 500nt. Its main role is to carry out post-transcriptional regulation on the target genes through sRNA-target mRNA interaction, which plays an important role in bacterial virulence, quorum sensing, and sensing the enviromental changes. Therefore, studying sRNA-mRNA interaction is very important. The project reported here intends to invesitgate bacterial sRNA-target mRNA interaction comprehensively using biotechniques such as high throughput sequencing and bioinformatics methods like RNA secondary structure prediction. The project can not only identify the bacterial sRNAs and their target mRNAs simultaneously, which provide experimental support for studying sRNA functions deeply, but also provide data support for developing prediction models for bacterial sRNAs and their target mRNAs. Finally, the project will promote the functional genomics study of bacterial sRNAs, and understanding the activity of bacterial life.
细菌sRNA是细菌中普遍存在的一类长度在40~500个核苷酸的调控RNA,主要通过与靶mRNA结合实现基因表达的转录后调控,进而在细菌毒性、群落感应和对外界环境的反应等方面发挥重要作用,因此,开展细菌sRNA-靶标mRNA相互作用研究具有重要意义。本项目拟综合运用高通量测序等生物技术与RNA二级结构预测等生物信息学方法系统开展细菌sRNA-靶标mRNA相互作用研究,该策略可以同时识别细菌sRNA及其靶标mRNA,不仅为阐明特定条件下细菌sRNA功能提供实验指导,也为开发细菌sRNA及其靶标预测模型提供数据支持,最终促进细菌sRNA功能基因组学研究和人们对细菌生命活动的理解。

结项摘要

在该课题资助下,我们按计划主要开展了以下研究。1,基于高通量测序的RNA-RNA相互作用预测研究,发现体外条件下测定的RNA相互作用不能完全真实反映体内的RNA相互作用;2,基于高通量测序的大肠杆菌中RNA-RNA 相互作用研究,建立了相应实验技术与生物信息学注释分析平台,构建了相应数据库和网络服务器 ;3,构建了细菌sRNA靶标数据库及sRNA功能在线注释系统,以及sRNA-mRNA组合调控预测模型及相应服务器。基本完成预定研究目标。

项目成果

期刊论文数量(5)
专著数量(0)
科研奖励数量(0)
会议论文数量(1)
专利数量(0)
体内与体外RNA-RNA相互作用的比较初探
  • DOI:
    --
  • 发表时间:
    2013
  • 期刊:
    军事医学
  • 影响因子:
    --
  • 作者:
    李宗城;陈临溪;李伍举;应晓敏
  • 通讯作者:
    应晓敏
大肠杆菌基因组水平蛋白质-RNA相互作用初步研究
  • DOI:
    --
  • 发表时间:
    2014
  • 期刊:
    军事医学
  • 影响因子:
    --
  • 作者:
    田宝磊;宋宜;郑晓飞;李伍举
  • 通讯作者:
    李伍举
蛋白质-RNA相互作用预测研究进展
  • DOI:
    --
  • 发表时间:
    2016
  • 期刊:
    军事医学
  • 影响因子:
    --
  • 作者:
    张凯宇;刘涛;李伍举
  • 通讯作者:
    李伍举
sRNATarBase 3.0: an updated database for sRNA-target interactions in bacteria.
sRNATarBase 3.0:细菌中 sRNA 靶标相互作用的更新数据库。
  • DOI:
    10.1093/nar/gkv1127
  • 发表时间:
    2016-01-04
  • 期刊:
    Nucleic acids research
  • 影响因子:
    14.9
  • 作者:
    Wang J;Liu T;Zhao B;Lu Q;Wang Z;Cao Y;Li W
  • 通讯作者:
    Li W
人miRNA-埃博拉病毒相互作用的生物信息学研究
  • DOI:
    10.7644/j.issn.1674-9960.2015.01.002
  • 发表时间:
    2015
  • 期刊:
    军事医学
  • 影响因子:
    --
  • 作者:
    刘涛;王江;王正;郑晓飞;李伍举
  • 通讯作者:
    李伍举

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

sRNASVM——基于SVM方法构建大肠杆菌sRNA预测模型(英文)
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    生物物理学报
  • 影响因子:
    --
  • 作者:
    王立贵;查磊;李伍举;应晓敏;曹源
  • 通讯作者:
    曹源
BioSun2.0:一个综合性的辅助分子生物学实验设计软件
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    军事医学科学院院刊
  • 影响因子:
    --
  • 作者:
    查磊;李华;李伍举;应晓敏;曹源
  • 通讯作者:
    曹源
拟南芥基因组中新的microRNA预测及分析
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    生物物理学报
  • 影响因子:
    --
  • 作者:
    应晓敏;郭蔼光;金伟波;孔栋;李伍举
  • 通讯作者:
    李伍举
MiRscreen:一种基于遗传算法和支持向量机的microRNA前体识别方法
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    军事医学科学院院刊
  • 影响因子:
    --
  • 作者:
    李华;李伍举;侯妍妍;应晓敏
  • 通讯作者:
    应晓敏
pBV220载体中外源基因高效表达的自动化设计
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    中国生物化学与分子生物学报
  • 影响因子:
    --
  • 作者:
    查磊;曹源;李伍举;王立贵;应晓敏;骆志刚;苑波
  • 通讯作者:
    苑波

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

李伍举的其他基金

基于结构域的蛋白质-RNA相互作用预测模型构建
  • 批准号:
    31471244
  • 批准年份:
    2014
  • 资助金额:
    70.0 万元
  • 项目类别:
    面上项目
细菌sRNA预测研究
  • 批准号:
    31071157
  • 批准年份:
    2010
  • 资助金额:
    30.0 万元
  • 项目类别:
    面上项目
siRNA抑制靶标效率的定量分析
  • 批准号:
    90608004
  • 批准年份:
    2006
  • 资助金额:
    40.0 万元
  • 项目类别:
    重大研究计划
非编码RNA基因预测及分类研究
  • 批准号:
    30470411
  • 批准年份:
    2004
  • 资助金额:
    22.0 万元
  • 项目类别:
    面上项目
RNA二级结构预测及酵母系统外源基因高效表达数学模型构建
  • 批准号:
    30270315
  • 批准年份:
    2002
  • 资助金额:
    7.0 万元
  • 项目类别:
    面上项目

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码