Weitere Informationen
A striking new role for RNAs is their widespread involvement in the regulation of numerous genes, suggesting that there is much yet to discover about these amazing cellular components.
Philip A. Sharp, 2009, The Centrality of RNA, Cell
RNA übernimmt zentrale Funktionen in allen lebenden Organismen. Wir interessieren uns für ihre regulatorischen Funktionen und die daraus resultierenden regulatorischen Netzwerke, die wir sowohl experimentell als auch computergestützt untersuchen. Unser Ziel ist es, Hochdurchsatzmethoden zu entwickeln und zu verbessern, spezialisierte Bioinformatik-Tools für ihre Analyse zu entwerfen und all dies schließlich in Wissen über RNA-basierte Regulation umzusetzen.
Die Abteilung RNA Biologie & Bioinformatik arbeitet interdisziplinär und vereint Expertise im experimentellen Umgang mit RNA, in der Analyse von Hochdurchsatzsequenzierungsdaten (NGS) und in der Entwicklung von Algorithmen für die RNA-Strukturanalyse. Ausserdem befassen wir uns mit der Visualisierung von Netzwerken, betreiben einen Galaxy-Server und bieten allgemeine bioinformatische Beratung an.
Vielen Projekten liegt unser grundlegendes Interesse für RNA und seiner Funktionen in der Zelle zugrunde.
Was uns interessiert
RNA übernimmt in der Zelle nicht nur passive Aufgaben als Informationsüberträger in Form von messenger-RNA (mRNA) sondern auch regulatorische Funktionen. Eine eigenständige, nicht-kodierende RNA (non-coding RNA oder small RNA) reguliert andere RNAs (vorzugsweise mRNAs) durch Bindung über komplementäre Bereiche und verändert dadurch die Translatierbarkeit oder die Stabilität der Ziel-RNA, was zu einer veränderten Genexpression führt. Die sich hieraus ergebenden regulatorischen Netzwerke untersuchen wir sowohl experimentell als auch computergestützt. Ziel ist es RNA-basierte regualtorische Netzwerke gesamtheitlich zu beschreiben, ihre Dynamik unter wechslenden Bedingungen und evolutionär zu analysieren und basierend auf diesen Erkenntnissen gezielte Veränderungen vorzunehmen oder neue (synthetische) Regelkreisläufe zu entwerfen.
"Direct Duplex Detection"-Methoden liefern detaillierte Informationen über RNA:RNA-Interaktionen mit nukleotidgenauer Auflösung. Die Analyse der resultierenden Sequenzierungsdaten geht über die gewöhnliche RNA-seq Analyse hinaus und erfordert spezielle Tools und angepasste Statistiken für die Signifikanzanalyse.
Metagenomische Daten bieten eine Fülle von biologischer Vielfalt und sind daher eine vielversprechende Quelle für die Identifizierung neuer CRISPR-Cas-Systeme und für deren grundlegende Charakterisierung. Die komplexe Natur der metagenomischen Daten stellt eine effiziente und umfassende Analyse vor mehrere Herausforderungen. Wir verwenden graphenbasierte Ansätze für diese Aufgaben und entwickeln Algorithmen für die Erkennung von CRISPR-Cas-Systemen, die Identifizierung von Spacern/Repeats und die Suche nach Protospacern.
RNA funktioniert auf struktureller Ebene, ähnlich wie Proteine, so dass die Strukturanalyse zum Verständnis der Funktion eines RNA-Moleküls beiträgt. Bemerkenswert ist, dass der größte Verlust an freier Energie durch die Bildung von Wasserstoffbrücken zwischen komplementären Basenpaaren und insbesondere durch die Stapelung dieser Basenpaare entsteht. Infolgedessen dominiert die Sekundärstruktur die Form einer RNA und ist daher Gegenstand des Interesses in Strukturstudien. Wir arbeiten an Methoden zur Analyse des Strukturraums von RNAs, die Informationen über alternative Strukturen, wie z.B. in Riboswitches, Faltungs-Kinetik und evolutionär konservierte Strukturen liefern. So haben wir beispielsweise das Tool RNAHeliCes entwickelt (siehe Abschnitt Software), das ausführlich beschrieben ist in Huang,J. und Voß,B. (2014) Analysing RNA-kinetics based on folding space abstraction. BMC Bioinformatics, 15, 60 und Huang,J., Backofen,R. und Voß,B. (2012) Abstrakte Faltungsraumanalyse auf der Basis von Helices. RNA, 18, 2135-2147.
Software
Effiziente Analyse von RNA-Interaktomdaten aus Direct Duplex Detection Experimenten wie SPLASH, LIGR-seq, PARIS und anderen. Wir haben auch einen vorkonfigurierten Docker-Container, den Sie hier finden können: RNAnue Docker-Container
Ein Werkzeug für die interaktive Visualisierung von Graphen in Galaxy.
Die Analyse des Faltungsraums der RNA wird hauptsächlich durch seine Größe behindert, da er mit der Sequenzlänge exponentiell wächst. Die Strukturabstraktion ist eine Methode, um die exponentielle Explosion zu dämpfen und sich auf Strukturen zu konzentrieren, die sich in ihrer Form unterscheiden, anstatt durch einzelne Basenpaare. RNAHeliCes konzentriert sich auf helikale Regionen innerhalb von Strukturen, die durch die Art des Strukturelements, das sie umschließen, und die Position, an der sie in der Sequenz vorkommen, dargestellt werden.
"Differential RNA-seq" ist eine weit verbreitete Methode zur Vorhersage von Transkriptionsstartstellen (TSSs) in Bakterien. Mit RNAseg nutzen wir diese Informationen, verwenden aber zusätzlich die Gesamtabdeckung der Reads über das Genom, um Transkriptionseinheiten (TUs) genomweit vorherzusagen.
Publikationen
- R. A. Schäfer und B. Voß, „RNAnue: efficient data analysis for RNA–RNA interactomics“, Nucleic Acids Research, Nr. gkab340, Art. Nr. gkab340, Mai 2021, doi: 10.1093/nar/gkab340.
- R. A. Schäfer, S. C. Lott, J. Georg, B. A. Grüning, W. R. Hess, und B. Voß, „GLASSGo in Galaxy: High-Throughput, Reproducible and Easy-to-Integrate Prediction of sRNA Homologs“, Bioinformatics, Nr. btaa556, Art. Nr. btaa556, Juni 2020, doi: 10.1093/bioinformatics/btaa556.
- O. S. Alkhnbashi, T. Meier, A. Mitrofanov, R. Backofen, und B. Voß, „CRISPR-Cas Bioinformatics“, Methods, Bd. 172, S. 3–11, Feb. 2020, doi: https://doi.org/10.1016/j.ymeth.2019.07.013.
- B. Schönberger, C. Schaal, R. Schäfer, und B. Voß, „RNA interactomics: recent advances and remaining challenges“, F1000Research, Bd. 7, S. 1824, Nov. 2018, doi: 10.12688/f1000research.16146.1.
- S. C. Lott u. a., „GLASSgo - Automated and reliable detection of sRNA homologs from a single input sequence“, Frontiers in Genetics, Bd. 9, 2018, doi: 10.3389/fgene.2018.00124.
- D. Stazic und B. Voß, „The complexity of bacterial transcriptomes“, Journal of Biotechnology, Bd. 232, S. 69--78, Aug. 2016, doi: 10.1016/j.jbiotec.2015.09.041.
- R. A. Schäfer und B. Voß, „VisualGraphX: interactive graph visualization within Galaxy“, Bioinformatics, S. btw414, Juli 2016, doi: 10.1093/bioinformatics/btw414.