RNAsequentieanalyse

RNAsequentieanalyse, ook wel RNA-Seq-analyse genoemd, is een workflow om RNA-transcripten in cellen of weefsels te kwantificeren en te interpreteren. Doel is het meten van genexpressie-niveaus, het identificeren van transcriptvarianten en het analyseren van splicingpatronen, transcriptdiscovery en mogelijke fusie-evenementen. De analyse vereist een goed doordacht experimenteel ontwerp met biologische replicaten en omvat zowel experimentele als computationele stappen.

Tijdens de experimentele fase worden RNA-extractie en kwaliteitscontrole uitgevoerd, gevolgd door bibliotheekvoorbereiding (bijv. poly(A)-selectie of ribodepletie) en sequencing. De gegenereerde reads vormen de input voor de computational pipeline. Kwaliteitscontrole, adapter- en quality-trimming en vervolgens alignatie op een referentiegenoom of -transcriptome met tools zoals STAR of HISAT2 (of quasi-­alignment met Salmon of Kallisto voor transcriptquantificatie) worden toegepast. Kwantificatie levert tellingen per gen of transcript op. Normalisatie (bijv. TPM, FPKM of counts per miljoen) corrigeert voor leesdiepte en transcriptlengte. Differentiale expressieanalyse maakt gebruik van statistische modellen (DESeq2, edgeR) om significante veranderingen tussen condities aan te tonen. Verder bestaan analyses voor alternatieve splicing (rMATS, MAJIQ), transcriptdiscovery en fusie-detectie (STAR-Fusion).

Rapportage en interpretatie omvatten vaak functionaliteits- en padwayanalyses (GO, KEGG), annotatie en visualisaties. Reproduceerbaarheid en data-management zijn cruciaal: metadata, versiebeheer, en data sharing van bestandsformaten zoals FASTQ, BAM en GTF/GFF via databases als SRA/ENA. Toepassingen lopen van basale biologie en diagnostiek tot biomarkeronderzoek, met aanvullende methoden voor bulk- versus single-cell RNA-Seq.