[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"_public_topic_publications_rna%20seq{\"limit\":5}":3,"_public_topic_byId_rna seq":39},{"code":4,"data":5,"meta":17},"SUCCESS",{"latest":6,"mostCited":7,"vietnamFeatured":37,"vietnamLatest":38},[],[8,24],{"publicationId":9,"title":10,"originalTitle":11,"authorNames":12,"authorCount":16,"journalName":17,"vietnamJournal":18,"publishDate":19,"publishYear":20,"totalCitation":17,"url":21,"doi":22,"summary":23},"600fc241-b5cc-40b2-b01e-4e79d3d7325a","Phương pháp Bayes linh hoạt để phát hiện mất cân bằng alen trong dữ liệu RNA-seq","A flexible Bayesian method for detecting allelic imbalance in RNA-seq data",[13,14,15],"Luis G León-Novelo","Lauren M McIntyre","Justin M Fear",4,null,false,"2014-10-23",2014,"https:\u002F\u002Fbmcgenomics.biomedcentral.com\u002Farticles\u002F10.1186\u002F1471-2164-15-920","10.1186\u002F1471-2164-15-920","\u003Cp>Sinh tin học thống kê đề xuất mô hình \u003Ci>Bayesian\u003C\u002Fi> phân phối \u003Ci>Poisson-Gamma\u003C\u002Fi> nhằm phát hiện hiện tượng mất cân bằng alen từ dữ liệu \u003Cb class=\"publication-topic-keywords\">RNA-seq\u003C\u002Fb> mà không cần mẫu đối chứng DNA tốn kém. Phương pháp tận dụng ước tính độ chệch từ dữ liệu mô phỏng để hiệu chỉnh sai số hệ thống trong quá trình gióng hàng. Kết quả thực nghiệm chỉ ra mô hình kiểm soát tỷ lệ dương tính giả vượt trội so với các phép kiểm nhị thức thông thường trên dữ liệu \u003Cb class=\"publication-topic-keywords\">RNA-seq\u003C\u002Fb>.\u003C\u002Fp>",{"publicationId":25,"title":26,"originalTitle":27,"authorNames":28,"authorCount":16,"journalName":17,"vietnamJournal":18,"publishDate":32,"publishYear":33,"totalCitation":17,"url":34,"doi":35,"summary":36},"5006e491-3a6d-4606-a22b-7fbbd2ecafe0","Các quy trình làm giàu mRNA quyết định đặc tính định lượng của các đối chứng RNA spike-in ngoại chuẩn trong các nghiên cứu RNA-Seq","mRNA enrichment protocols determine the quantification characteristics of external RNA spike-in controls in RNA-Seq studies",[29,30,31],"Tao Qing","Ying Yu","TingTing Du","2013-02-08",2013,"http:\u002F\u002Flink.springer.com\u002F10.1007\u002Fs11427-013-4437-9","10.1007\u002Fs11427-013-4437-9","\u003Cp>Di truyền học phân tử đánh giá ảnh hưởng của các quy trình làm giàu mRNA đến độ chuẩn xác định lượng từ 92 nhóm đối chứng ngoại lai ERCC trên 447 mẫu dữ liệu \u003Cb class=\"publication-topic-keywords\">RNA-seq\u003C\u002Fb> thuộc 5 loài sinh vật. Phân tích so sánh giữa phương pháp poly(A) và \u003Ci>RiboZero\u003C\u002Fi> ghi nhận mức độ sai lệch lớn giữa các bản phiên mã với hệ số chênh lệch 7,3 lần. Tác giả khuyến nghị chuẩn hóa kỹ thuật khi tích hợp các bộ dữ liệu \u003Cb class=\"publication-topic-keywords\">RNA-seq\u003C\u002Fb> nhằm đảm bảo độ tin cậy sinh học.\u003C\u002Fp>",[],[],{"code":4,"data":40,"meta":17},{"id":41,"title":42,"description":43,"content":44,"term":45,"englishTitle":46,"synonyms":17,"definition":47,"discipline":48,"references":49,"faqs":71,"createUser":81,"publishUser":17,"keywords":85,"keywordCount":96,"enrichTopicLink":97,"status":98,"createTime":99,"updateTime":100,"publishTime":17,"linkEnrichedTime":101,"publicationScanTime":102,"contentErrorMessage":17,"viewCount":103,"relateTopics":104},"rna seq","RNA-seq là gì? Ý nghĩa và ứng dụng chuyên sâu","Tìm hiểu RNA-seq (RNA sequencing \u002F Whole transcriptome shotgun sequencing): định nghĩa khoa học chuẩn mực, cơ chế vận hành, các thông số thực nghiệm và ...","\u003Cp>\u003Cstrong>RNA-seq\u003C\u002Fstrong> (\u003Cem>RNA sequencing \u002F Whole transcriptome shotgun sequencing\u003C\u002Fem>) là (giải trình tự RNA) là công nghệ sinh học phân tử tiên tiến ứng dụng giải trình tự gen thế hệ mới (NGS) để lập bản đồ và định lượng toàn diện hệ phiên mã (transcriptome) của tế bào, cho phép phân tích biểu hiện gen vi sai và phát hiện các biến thể ghép nối exon mới.\u003C\u002Fp>\n\u003Ch2>Định nghĩa RNA-seq\u003C\u002Fh2>\n\u003Cp>RNA-seq (RNA sequencing) là một phương pháp giải trình tự toàn bộ RNA được trích xuất từ tế bào hoặc mô tại một thời điểm cụ thể, sử dụng công nghệ {{topic|%7B%22topic%22%3A%22gi%E1%BA%A3i%20tr%C3%ACnh%20t%E1%BB%B1%20th%E1%BA%BF%20h%E1%BB%87%20m%E1%BB%9Bi%22%7D}} (Next Generation Sequencing – NGS). Kỹ thuật này cho phép định lượng mức độ biểu hiện gen, phát hiện các biến thể RNA, cấu trúc isoform, sự kiện nối exon (splicing) và các loại RNA phi mã hóa (non-coding RNA).\u003C\u002Fp>\n\u003Cp>Khác với các kỹ thuật biểu hiện gen truyền thống như microarray, RNA-seq không phụ thuộc vào probe cố định, cho phép phân tích toàn bộ transcriptome với độ chính xác và độ phủ cao. Phương pháp này được ứng dụng rộng rãi trong sinh học phân tử, y học chính xác, {{topic|%7B%22topic%22%3A%22nghi%C3%AAn%20c%E1%BB%A9u%20ung%20th%C6%B0%22%7D}}, miễn dịch học, và phát triển thuốc.\u003C\u002Fp>\n\u003Cp>Theo Hiệp hội Tin sinh học châu Âu (EMBL-EBI), RNA-seq là một trong những bước tiến quan trọng nhất trong giải mã hệ gen biểu hiện và đang trở thành công cụ thiết yếu trong {{topic|%7B%22topic%22%3A%22nghi%C3%AAn%20c%E1%BB%A9u%20sinh%20h%E1%BB%8Dc%22%7D}} hiện đại. Thông tin chi tiết có thể xem tại EMBL-EBI RNA-seq introduction.\u003C\u002Fp>\n\n\u003Ch2>Nguyên lý hoạt động\u003C\u002Fh2>\n\u003Cp>Nguyên lý cơ bản của RNA-seq là biến đổi RNA thành cDNA để giải trình tự bằng máy NGS. RNA tổng số được tách từ mẫu sinh học, sau đó các phân tử mRNA sẽ được chọn lọc (thường bằng poly(A) selection hoặc loại bỏ rRNA), sau đó được phiên mã ngược thành cDNA bằng enzyme reverse transcriptase.\u003C\u002Fp>\n\u003Cp>Các phân tử cDNA này sẽ được phân mảnh, gắn thêm adapter ở hai đầu và khuếch đại bằng PCR để tạo thư viện cDNA. Thư viện này sau đó được đưa vào hệ thống NGS (thường là Illumina, Oxford Nanopore hoặc PacBio) để giải trình tự, thu về hàng triệu đoạn đọc (reads) ngắn phản ánh mức độ biểu hiện RNA ban đầu.\u003C\u002Fp>\n\u003Cp>Trong trường hợp sử dụng giải trình tự đơn phân tử (SMRT hoặc Nanopore), chiều dài đọc có thể đủ dài để bao phủ toàn bộ transcript, giúp phân biệt các isoform của cùng một gen. Việc lựa chọn công nghệ phù hợp ảnh hưởng đáng kể đến độ phân giải và khả năng phân tích dữ liệu RNA-seq.\u003C\u002Fp>\n\n\u003Ch2>Các bước chính trong quy trình RNA-seq\u003C\u002Fh2>\n\u003Cp>Quy trình RNA-seq tiêu chuẩn bao gồm một loạt các bước sinh học phân tử và xử lý thư viện nhằm {{topic|%7B%22topic%22%3A%22%C4%91%E1%BA%A3m%20b%E1%BA%A3o%20ch%E1%BA%A5t%20l%C6%B0%E1%BB%A3ng%22%7D}} {{topic|%7B%22topic%22%3A%22d%E1%BB%AF%20li%E1%BB%87u%20gi%E1%BA%A3i%20tr%C3%ACnh%20t%E1%BB%B1%22%7D}} và khả năng phân tích tin sinh học. Dưới đây là các bước cơ bản thường được thực hiện:\u003C\u002Fp>\n\u003Col>\n  \u003Cli>Chiết xuất RNA tổng số từ tế bào hoặc mô đích\u003C\u002Fli>\n  \u003Cli>Loại bỏ RNA ribosome (rRNA) hoặc chọn lọc mRNA bằng poly(A) tail\u003C\u002Fli>\n  \u003Cli>Phiên mã ngược RNA thành cDNA\u003C\u002Fli>\n  \u003Cli>Phân mảnh cDNA, gắn adapter và khuếch đại bằng PCR\u003C\u002Fli>\n  \u003Cli>Kiểm tra chất lượng thư viện và định lượng\u003C\u002Fli>\n  \u003Cli>Tiến hành giải trình tự trên máy NGS\u003C\u002Fli>\n  \u003Cli>Phân tích dữ liệu: căn chỉnh, định lượng, xác định gen khác biệt\u003C\u002Fli>\n\u003C\u002Fol>\n\u003Cp>Một số giao thức thương mại hóa như NEBNext, TruSeq RNA Library Prep (Illumina) hoặc SMART-Seq (Takara) cho phép chuẩn hóa quy trình để tăng độ tin cậy và tái lập.\u003C\u002Fp>\n\n\u003Ch2>Phân tích dữ liệu RNA-seq\u003C\u002Fh2>\n\u003Cp>Phân tích dữ liệu RNA-seq đòi hỏi các bước xử lý tin sinh học chặt chẽ, do số lượng đoạn đọc lớn và đa dạng. Dữ liệu thô từ máy giải trình tự (thường ở định dạng FASTQ) cần được kiểm tra chất lượng bằng phần mềm như FastQC hoặc MultiQC, sau đó lọc nhiễu và đoạn đọc kém chất lượng bằng Trimmomatic hoặc Cutadapt.\u003C\u002Fp>\n\u003Cp>Các đoạn đọc đã được làm sạch sẽ được căn chỉnh với bộ gen tham chiếu bằng phần mềm như HISAT2, STAR hoặc TopHat2. Sau khi căn chỉnh, mức độ biểu hiện gen được định lượng bằng công cụ như FeatureCounts hoặc HTSeq để tạo ma trận đếm (count matrix).\u003C\u002Fp>\n\u003Cp>Dữ liệu biểu hiện sau đó được {{topic|%7B%22topic%22%3A%22ph%C3%A2n%20t%C3%ADch%20th%E1%BB%91ng%20k%C3%AA%22%7D}} để xác định các gen có sự thay đổi có ý nghĩa thống kê giữa các nhóm so sánh. Các phần mềm phổ biến bao gồm:\u003C\u002Fp>\n\u003Cul>\n  \u003Cli>\u003Cstrong>DESeq2:\u003C\u002Fstrong> phân tích chênh lệch biểu hiện có kiểm soát phương sai\u003C\u002Fli>\n  \u003Cli>\u003Cstrong>EdgeR:\u003C\u002Fstrong> phù hợp với các thí nghiệm có số mẫu nhỏ\u003C\u002Fli>\n  \u003Cli>\u003Cstrong>Limma-voom:\u003C\u002Fstrong> xử lý dữ liệu count bằng phương pháp tuyến tính\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>Để {{topic|%7B%22topic%22%3A%22tr%E1%BB%B1c%20quan%20h%C3%B3a%20d%E1%BB%AF%20li%E1%BB%87u%22%7D}}, các biểu đồ như heatmap, PCA (Phân tích thành phần chính), MA plot và volcano plot thường được sử dụng để minh họa mối quan hệ giữa các điều kiện và mức độ thay đổi gen. Hệ sinh thái phần mềm như R\u002FBioconductor đóng vai trò then chốt trong toàn bộ quy trình này.\u003C\u002Fp>\n\u003Ch2>Ứng dụng của RNA-seq\u003C\u002Fh2>\n\u003Cp>RNA-seq được ứng dụng rộng rãi trong sinh học, y học và {{topic|%7B%22topic%22%3A%22c%C3%B4ng%20ngh%E1%BB%87%20sinh%20h%E1%BB%8Dc%22%7D}} nhờ khả năng cung cấp dữ liệu toàn diện về biểu hiện gen và cấu trúc transcriptome. Trong nghiên cứu sinh học cơ bản, RNA-seq giúp làm rõ quá trình phát triển, biệt hóa tế bào, điều hòa phiên mã và cơ chế phản ứng của tế bào với tác nhân ngoại lai như stress, thuốc hoặc vi sinh vật.\u003C\u002Fp>\n\u003Cp>Trong y học, RNA-seq được sử dụng để phát hiện các gene liên quan đến bệnh lý, đặc biệt là ung thư. Phân tích RNA-seq giúp nhận diện các gene hợp nhất (fusion genes), các isoform đặc hiệu, hoặc các sự kiện nối exon bất thường liên quan đến sinh bệnh học. Ngoài ra, RNA-seq còn là công cụ quan trọng trong phát hiện marker sinh học, phân tầng bệnh nhân và phát triển liệu pháp đích (targeted therapy).\u003C\u002Fp>\n\u003Cul>\n  \u003Cli>Chẩn đoán gen ung thư: ví dụ BCR-ABL trong bệnh bạch cầu\u003C\u002Fli>\n  \u003Cli>Giám sát điều trị: đánh giá hiệu quả ức chế phiên mã\u003C\u002Fli>\n  \u003Cli>Nghiên cứu miễn dịch: phân tích cytokine, thụ thể miễn dịch\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>Trong nông nghiệp và công nghệ sinh học, RNA-seq được dùng để phân tích sự biểu hiện gen trong thực vật, vi khuẩn, nấm và các sinh vật mô hình để nghiên cứu năng suất, sức đề kháng, và cải tiến giống.\u003C\u002Fp>\n\n\u003Ch2>Ưu điểm của RNA-seq\u003C\u002Fh2>\n\u003Cp>RNA-seq vượt trội so với các phương pháp cũ như microarray về nhiều mặt. Đầu tiên, RNA-seq không phụ thuộc vào probe, cho phép phát hiện các transcript mới hoặc ít biểu hiện mà các phương pháp phụ thuộc probe có thể bỏ sót. RNA-seq có độ động học cao, đo được các mức biểu hiện từ rất thấp đến rất cao mà không bị bão hòa tín hiệu.\u003C\u002Fp>\n\u003Cp>Thứ hai, RNA-seq cung cấp thông tin chi tiết về cấu trúc RNA như exon, intron, sự kiện nối exon, polyadenylation site và hướng phiên mã (strand-specificity). Điều này rất hữu ích trong việc phân tích các isoform khác nhau của cùng một gene, đặc biệt trong các mô phức tạp hoặc các bệnh có biểu hiện phiên mã thay đổi mạnh.\u003C\u002Fp>\n\u003Cp>Cuối cùng, RNA-seq có thể được áp dụng cho cả các sinh vật không có bộ gen tham chiếu đầy đủ nhờ phương pháp lắp ráp de novo transcriptome, mở rộng khả năng nghiên cứu trong hệ sinh thái đa dạng.\u003C\u002Fp>\n\n\u003Ch2>Hạn chế của RNA-seq\u003C\u002Fh2>\n\u003Cp>Mặc dù RNA-seq có nhiều ưu điểm, nó vẫn tồn tại các hạn chế đáng chú ý. Một trong những nhược điểm chính là chi phí cao, đặc biệt trong các nghiên cứu cần nhiều mẫu hoặc độ sâu giải trình tự lớn (deep sequencing). Ngoài ra, RNA chất lượng kém, phân mảnh, hoặc bị ô nhiễm DNA có thể làm sai lệch kết quả và giảm độ tin cậy của phân tích.\u003C\u002Fp>\n\u003Cp>Phân tích RNA-seq yêu cầu chuyên môn cao về tin sinh học. Việc lựa chọn công cụ phù hợp, xử lý dữ liệu lớn, kiểm soát sai số thống kê và chuẩn hóa dữ liệu giữa các mẫu là thách thức đối với các phòng thí nghiệm không chuyên sâu về phân tích dữ liệu.\u003C\u002Fp>\n\u003Cp>Bên cạnh đó, RNA-seq chủ yếu phản ánh tổng lượng RNA có mặt, không phân biệt rõ sự ổn định hay tốc độ phiên mã RNA. Để hiểu rõ động học phiên mã, cần kết hợp RNA-seq với các kỹ thuật khác như GRO-seq hoặc PRO-seq.\u003C\u002Fp>\n\n\u003Ch2>So sánh RNA-seq với microarray\u003C\u002Fh2>\n\u003Cp>Bảng sau thể hiện so sánh giữa RNA-seq và microarray – hai kỹ thuật phổ biến dùng để {{topic|%7B%22topic%22%3A%22ph%C3%A2n%20t%C3%ADch%20bi%E1%BB%83u%20hi%E1%BB%87n%22%7D}} gen:\u003C\u002Fp>\n\u003Ctable border=\"1\" cellpadding=\"6\" cellspacing=\"0\">\n  \u003Ctbody>\u003Ctr>\n    \u003Cth>Tiêu chí\u003C\u002Fth>\n    \u003Cth>RNA-seq\u003C\u002Fth>\n    \u003Cth>Microarray\u003C\u002Fth>\n  \u003C\u002Ftr>\n  \u003Ctr>\n    \u003Ctd>Độ nhạy\u003C\u002Ftd>\n    \u003Ctd>Cao, phát hiện transcript hiếm\u003C\u002Ftd>\n    \u003Ctd>Trung bình, giới hạn bởi tín hiệu nền\u003C\u002Ftd>\n  \u003C\u002Ftr>\n  \u003Ctr>\n    \u003Ctd>Phạm vi phân tích\u003C\u002Ftd>\n    \u003Ctd>Toàn transcriptome, không cần probe\u003C\u002Ftd>\n    \u003Ctd>Giới hạn bởi probe thiết kế trước\u003C\u002Ftd>\n  \u003C\u002Ftr>\n  \u003Ctr>\n    \u003Ctd>Phát hiện gen mới\u003C\u002Ftd>\n    \u003Ctd>Có\u003C\u002Ftd>\n    \u003Ctd>Không\u003C\u002Ftd>\n  \u003C\u002Ftr>\n  \u003Ctr>\n    \u003Ctd>Chi phí\u003C\u002Ftd>\n    \u003Ctd>Cao hơn\u003C\u002Ftd>\n    \u003Ctd>Thấp hơn\u003C\u002Ftd>\n  \u003C\u002Ftr>\n  \u003Ctr>\n    \u003Ctd>Phân tích isoform\u003C\u002Ftd>\n    \u003Ctd>Chi tiết\u003C\u002Ftd>\n    \u003Ctd>Giới hạn\u003C\u002Ftd>\n  \u003C\u002Ftr>\n\u003C\u002Ftbody>\u003C\u002Ftable>\n\n\u003Ch2>Các phương pháp RNA-seq phổ biến\u003C\u002Fh2>\n\u003Cp>Có nhiều biến thể kỹ thuật RNA-seq được thiết kế cho các mục tiêu nghiên cứu khác nhau. Dưới đây là một số loại RNA-seq phổ biến:\u003C\u002Fp>\n\u003Cul>\n  \u003Cli>\u003Cstrong>mRNA-seq:\u003C\u002Fstrong> Tập trung vào các transcript có poly(A) tail, thường dùng để phân tích gen mã hóa protein.\u003C\u002Fli>\n  \u003Cli>\u003Cstrong>Total RNA-seq:\u003C\u002Fstrong> Bao gồm cả RNA mã hóa và không mã hóa (ncRNA), thường loại bỏ rRNA trước khi xử lý.\u003C\u002Fli>\n  \u003Cli>\u003Cstrong>Strand-specific RNA-seq:\u003C\u002Fstrong> Bảo toàn chiều phiên mã, giúp xác định chính xác hướng gene và phân tích antisense RNA.\u003C\u002Fli>\n  \u003Cli>\u003Cstrong>Single-cell RNA-seq (scRNA-seq):\u003C\u002Fstrong> Phân tích transcriptome ở cấp độ từng tế bào riêng lẻ, ứng dụng mạnh trong miễn dịch học và phát triển phôi.\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>Mỗi phương pháp trên có đặc điểm riêng về độ sâu, độ phân giải và yêu cầu kỹ thuật. Lựa chọn phù hợp phụ thuộc vào mục tiêu sinh học và thiết kế thực nghiệm.\u003C\u002Fp>\n\n\u003Ch2>Xu hướng và tương lai của RNA-seq\u003C\u002Fh2>\n\u003Cp>RNA-seq đang tiếp tục phát triển nhanh chóng cùng với sự tiến bộ của công nghệ giải trình tự và trí tuệ nhân tạo. Các xu hướng hiện nay bao gồm tích hợp RNA-seq với các omics khác như ATAC-seq (cấu trúc chromatin), ChIP-seq (protein–DNA interaction) và proteomics để xây dựng bản đồ điều hòa gen đa chiều.\u003C\u002Fp>\n\u003Cp>Các kỹ thuật mới như spatial transcriptomics cho phép nghiên cứu biểu hiện gen tại vị trí không gian trong mô sinh học. Ngoài ra, các công nghệ giải trình tự trực tiếp RNA (direct RNA sequencing) giúp tránh giai đoạn phiên mã ngược và PCR, giảm bias kỹ thuật và tăng độ chính xác.\u003C\u002Fp>\n\u003Cp>Trong lâm sàng, RNA-seq đang được tích hợp vào {{topic|%7B%22topic%22%3A%22x%C3%A9t%20nghi%E1%BB%87m%20ch%E1%BA%A9n%20%C4%91o%C3%A1n%22%7D}} chính xác, dự đoán đáp ứng thuốc và phát hiện kháng thuốc ung thư. Khi chi phí giảm và dữ liệu phân tích được tự động hóa hơn, RNA-seq sẽ trở thành tiêu chuẩn vàng trong phân tích transcriptome của mọi sinh vật.\u003C\u002Fp>","RNA-seq","RNA sequencing \u002F Whole transcriptome shotgun sequencing","RNA-seq (giải trình tự RNA) là công nghệ sinh học phân tử tiên tiến ứng dụng giải trình tự gen thế hệ mới (NGS) để lập bản đồ và định lượng toàn diện hệ phiên mã (transcriptome) của tế bào, cho phép phân tích biểu hiện gen vi sai và phát hiện các biến thể ghép nối exon mới.","NATURAL_SCIENCES",[50,57,64],{"citationText":51,"title":52,"authors":53,"source":54,"year":55,"doi":56,"url":17},"Saif, Ejaz, Mahmood, Zia (2021). Differential Gene Expression Pipeline for Whole Transcriptome RNA-Seq Data using Personal Computer. openRxiv. doi:10.1101\u002F2021.01.26.428352","Differential Gene Expression Pipeline for Whole Transcriptome RNA-Seq Data using Personal Computer","Saif, Ejaz, Mahmood, Zia","openRxiv",2021,"10.1101\u002F2021.01.26.428352",{"citationText":58,"title":59,"authors":60,"source":61,"year":62,"doi":63,"url":17},"Gellar (2026). Differential Gene Expression (DGE) Analysis in RNA Sequencing. ResearchHub Technologies, Inc.. doi:10.55277\u002Fresearchhub.uxwylsbe","Differential Gene Expression (DGE) Analysis in RNA Sequencing","Gellar","ResearchHub Technologies, Inc.",2026,"10.55277\u002Fresearchhub.uxwylsbe",{"citationText":65,"title":66,"authors":67,"source":68,"year":69,"doi":70,"url":17},"Thakur (2024). RNA-Seq Data Analysis for Differential Gene Expression Using HISAT2–StringTie–Ballgown Pipeline. Methods in Molecular Biology Transcriptome Data Analysis. doi:10.1007\u002F978-1-0716-3886-6_5","RNA-Seq Data Analysis for Differential Gene Expression Using HISAT2–StringTie–Ballgown Pipeline","Thakur","Methods in Molecular Biology Transcriptome Data Analysis",2024,"10.1007\u002F978-1-0716-3886-6_5",[72,75,78],{"question":73,"answer":74},"Ưu điểm vượt trội của công nghệ RNA-seq so với kỹ thuật microarray truyền thống là gì?","RNA-seq không phụ thuộc vào các đầu dò thiết kế sẵn, có phạm vi động tuyến tính rộng hơn nhiều, độ nhiễu nền thấp và có khả năng phát hiện các bản phiên mã mới, biến thể ghép nối RNA (alternative splicing) và dung hợp gen.",{"question":76,"answer":77},"Các bước cơ bản trong quy trình xử lý dữ liệu tin sinh học RNA-seq gồm những gì?","Quy trình chuẩn gồm: Kiểm soát chất lượng đọc (FastQC), cắt tỉa adapter, gióng hàng bản đọc lên bộ gen tham chiếu (HISAT2, STAR), định lượng số đếm bản đọc (featureCounts) và phân tích biểu hiện gen vi sai (DESeq2, edgeR).",{"question":79,"answer":80},"Công nghệ giải trình tự RNA đơn tế bào (scRNA-seq) đem lại bước tiến gì?","scRNA-seq cho phép giải mã hệ phiên mã ở độ phân giải từng tế bào riêng biệt, giúp phát hiện các quần thể tế bào hiếm, lập bản đồ quỹ đạo biệt hóa tế bào và giải quyết tính không đồng nhất của khối u ác tính.",{"id":82,"researcherId":17,"name":83,"imageUrl":84},1,"Nguyễn Ngọc Sơn","https:\u002F\u002Flh3.googleusercontent.com\u002Fa\u002FACg8ocLGfGsF1nYQqYK5BasTLhNu1dBrBXg2fcEgBNPXJ0p2gqLQnO7i=s96-c",[86,87,88,89,90,91,92,93,94,95],"giải trình tự thế hệ mới","nghiên cứu ung thư","nghiên cứu sinh học","đảm bảo chất lượng","dữ liệu giải trình tự","phân tích thống kê","trực quan hóa dữ liệu","công nghệ sinh học","phân tích biểu hiện","xét nghiệm chẩn đoán",10,true,"PUBLISHED","2025-05-10T14:47:22.582+00:00","2026-09-04T04:08:53.190+00:00","2026-09-04T04:08:52.861+00:00","2026-09-04T03:19:23.807+00:00",473,[105,108,111,114,117,120,123,126,129,132],{"id":106,"title":107,"term":106,"englishTitle":17,"definition":17,"discipline":17,"disciplineCode":17,"disciplineLabel":17,"disciplineColor":17,"disciplineIcon":17},"mô hình lý thuyết","Mô hình lý thuyết là gì? Các nghiên cứu về Mô hình lý thuyết",{"id":109,"title":110,"term":109,"englishTitle":17,"definition":17,"discipline":17,"disciplineCode":17,"disciplineLabel":17,"disciplineColor":17,"disciplineIcon":17},"scopus","Scopus là gì? Các bài báo nghiên cứu khoa học về Scopus",{"id":112,"title":113,"term":112,"englishTitle":17,"definition":17,"discipline":17,"disciplineCode":17,"disciplineLabel":17,"disciplineColor":17,"disciplineIcon":17},"bã đậu nành","Bã đậu nành là gì? Các công bố khoa học về Bã đậu nành",{"id":115,"title":116,"term":115,"englishTitle":17,"definition":17,"discipline":17,"disciplineCode":17,"disciplineLabel":17,"disciplineColor":17,"disciplineIcon":17},"nhân giống in vitro","Nhân giống in vitro là gì? Các công bố khoa học về Nhân giống in vitro",{"id":118,"title":119,"term":118,"englishTitle":17,"definition":17,"discipline":17,"disciplineCode":17,"disciplineLabel":17,"disciplineColor":17,"disciplineIcon":17},"saccharomyces cerevisiae","Saccharomyces cerevisiae là gì? Các công bố khoa học về Saccharomyces cerevisiae",{"id":121,"title":122,"term":121,"englishTitle":17,"definition":17,"discipline":17,"disciplineCode":17,"disciplineLabel":17,"disciplineColor":17,"disciplineIcon":17},"vector chuyển gen","Vector chuyển gen là gì? Các nghiên cứu khoa học liên quan",{"id":124,"title":125,"term":124,"englishTitle":17,"definition":17,"discipline":17,"disciplineCode":17,"disciplineLabel":17,"disciplineColor":17,"disciplineIcon":17},"điểm vas","Điểm VAS là gì? Các công bố khoa học về Điểm VAS",{"id":127,"title":128,"term":127,"englishTitle":17,"definition":17,"discipline":17,"disciplineCode":17,"disciplineLabel":17,"disciplineColor":17,"disciplineIcon":17},"ấu trùng","Ấu trùng là gì? Các nghiên cứu khoa học về Ấu trùng",{"id":130,"title":131,"term":130,"englishTitle":17,"definition":17,"discipline":17,"disciplineCode":17,"disciplineLabel":17,"disciplineColor":17,"disciplineIcon":17},"z-score","Z-score là gì? Các công bố khoa học về Z-score",{"id":133,"title":134,"term":133,"englishTitle":17,"definition":17,"discipline":17,"disciplineCode":17,"disciplineLabel":17,"disciplineColor":17,"disciplineIcon":17},"động vật lưỡng cư","Động vật lưỡng cư là gì? Các nghiên cứu khoa học liên quan"]