Biomedical Chemistry: Research and Methods, 2021, 4(1), e00144

Гены «стахановцы» 18 хромосомы человека, отсутствующие белки и не охарактеризованные белки в ткани печени и клеточной линии hepg2

К.А. Дейниченко*1,8, Г.С. Краснов1,2,3, С.П. Радько1, К.Г. Птицын1, В.В. Шаповалова4, О.С. Тимошенко1,
С.А. Хмелева1, Л.К. Курбатов1, Я.Я. Киселева5, Е.В. Ильгисонис1, М.А. Пятницкий1, Е.В. Поверенная1,
О.И. Киселева1, И.В. Вахрушев1, А.В. Цветкова1, И.В. Буромский6, С.С. Маркин1, В.Г. Згода1,7, А.И. Арчаков1, А.В. Лисица1, Е.А. Пономаренко1

1Научно-исследовательский институт биомедицинской химии имени В. Н. Ореховича,
119121, Москва, ул. Погодинская, 10; e-mail: kseniadey@yandex.ru
2Институт молекулярной биологии им. В. А. Энгельгардта РАН, 119991, Москва, ул. Вавилова, 32
3Научно-исследовательский институт вакцин и сывороток им. И. И. Мечникова,
105064, Москва, Малый Казенный переулок, 5а
4Центр стратегического планирования и управления медико-биологическими рисками здоровью,
119121, Москва, ул. Погодинская, 10с1
6Кафедра судебной медицины, лечебного факультета, Российский научного-исследовательский
университет им. Н. И. Пирогова, 119034, Москва, пер. Хользунова, 7
7Сколковский институт науки и технологий, 121205,
Москва, территория Инновационного центра «Сколково», б-р Большой, 30с1
8Национальный исследовательский университет «Высшая школа экономики», 109028, Москва, б-р Покровский, 11

Ключевые слова: проект протеом человека; C-HPP; транскриптом; Oxford Nanopore Technologies; Illumina; РНК-секвенирование, протеотипические пептиды; отсутствующие белки

DOI:10.18097/BMCRM00144

Полная версия статьи доступна на английском языке.

Отсутствующие белки и функционально не охарактеризованные белки (в англоязычной литературе обозначенные как missing (MP) и functionally uncharacterized proteins (uPE1), соответственно) составляют менее 5% от общего числа белков, кодируемых генами 18 хромосомы человека. В течение полугода, начиная с января 2020 года, в версии NextProt выросло количество записей в наборах данных MP+uPE1. Подобные изменения обусловлены преимущественно достижениями протеомики на основе антител. В данной работе количественная ПЦР, технологии секвенирования Illumina HiSeq и Oxford Nanopore Technologies были применены для сравнительного анализа транскриптомного профиля образцов печени трех доноров мужского пола и клеточной линии HepG2. Анализ данных атласа экспрессии (Expression Atlas, EMBL-EBI) и полученных результатов по биологическим образцам с использованием ортогональных методов анализа транскриптома показал, что в клетках печени и HepG2 уровень экспрессии генов, кодирующих функционально не охарактеризованные белки (uPE1), находится на таком же низком уровне, как и в случае генов MP (в количестве менее 1 копии на клетку). Исключение составили несколько генов: HSBP1L1, TMEM241, C18orf21 и KLHL14. Согласно существенным расхождениям в ранее полученных полуколичественных данных по экспрессии генов и данным в открытых базах данных, изначально предполагалось, что экспрессия генов uPE1 может быть выше, чем генов MP. Подобное расхождение побудило обратиться к транскриптому 18 хромосомы человека, являющейся целевой для России в проекте «Протеом человека». Полученные результаты о наиболее экспрессируемых генах и дальнейший корреляционный анализ показал существование зависимости от метода экстракции мРНК и аналитической платформы.

Анализ экспрессии целевых генов 18 хромосомы с применением количественной ПЦР (qPCR) и методов высокопроизводительного профилирования транскриптома (Illumina HiSeq и ONT MinION) для одинаковых наборов образцов нормальной ткани печени и клеточной линии HepG2 выявил более 250 (92%) белок-кодирующих генов, детектируемых хотя бы одним методом. Экспрессия более чем 50% белок-кодирующих генов была детектирована всеми тремя методами. Корреляционный анализ профилей экспрессии генов показал, что результаты «группируются» в зависимости от типа биологического материала и экспериментальных методов, в частности от способа подготовки библиотеки (выделения кДНК, мРНК). Зависимость от выбора способа биоинформатической обработки была отмечена в значительно меньшей степени. Кроме того, комбинация методов секвенирования Illumina HiSeq и ONT MinION была использована для валидации протеотипических пептидов MP и uPE1 белков. Процедура была проделана для белка, связывающего фактор теплового шока HSBP1L1 (отсутствующий белок, недавно переведенный в категорию PE1) и не охарактеризованного C18orf21 (uPE1). Явление однонуклеотидного полиморфизма (SNP) приводило к утрате участка трипсинолизиса в HSBP1L1. Модифицированная версия HSBP1L1 была включена в базу данных с последующим поиском спектра MS/MS из набора данных Kulak, Geyer & Mann (2017), однако без существенных результатов идентификации. Таким образом, данные по масс спектрометрии для HSBP1L1 остаются не известными, хотя его существование на уровне белков было подтверждено.
Рисунок 1. Танглграмма наиболее высоко экспрессированных "стахановских" генов определённых с помощью (а) различных методов и одного образца (печень человека) и (б) с помощью одного и того же метода, примененного для разных биообразцов (печень и клеточная линия HepG2). Дендрограммы были получены с использованием разницы между оценками уровней экспрессии, измеренных методами qPCR, Illumina HiSeq и ONT, и масштабированы для удобства представления. * указывает на наиболее высоко экспрессированные гены. Дендрограммы были построены с использованием кластеризации Уорда с использование евклидовой метрики, расстояния рассчитывали для логарифмических величин (log2). Для построения танглграммы и расчета запутанности использовался пакет Dendextend [40].
Рисунок 2. Корреляционная матрица между наборами данных по экспрессии генов, полученных для ткани печени и образцов клеточной линии HepG2 из разных источников и собранных в нашей предыдущей работе 2016 года (Hep13, Liv13) и этой работе (Hep20, Liv20). Индексы d1, d3 и d5 для Liv20 указывают на конкретных людей (доноров посмертных образцов печени). Наборы данных SRA: Hep13 - SRX395473 (2013) и SRX390071 (2014), Liv13 - SRX267708 (2013).

ЗАКРЫТЬ
Таблица 1. Отобранные гены хромосомы 18 человека. Сначала два гена были аннотированы как кодирующие недостающие белки (MP), а четыре других гена были отнесены к категории функционально не охарактеризованных, но транслированных на белковый уровень с высокой степенью доказательности (uPE1). База знаний neXtProt была использована для получения информации о статусе гена, количестве аминокислотных остатков в последовательности изоформы 1 (самой длинной), одиночных аминокислотных полиморфизмах (SAPs) согласно наборам данных dbSNP и COSMIC, а также известных сплайс-формах (Iso1, Iso2, Iso3).

ФИНАНСИРОВАНИЕ

Работа выполнена при поддержке гранта Российского Научного Фонда #20-14-00328 с использованием оборудования центра «Геном» ЕИМБ РАН (http://www.eimb.ru/rus/ckp/ccu_genome_c.php).

ДОПОЛНИТЕЛЬНЫЕ МАТЕРИАЛЫ

К данной статье приложены дополнительные материалы, свободно доступные в электронной версии (http://dx.doi.org/10.18097/BMCRM00144) на сайте журнала.

ЛИТЕРАТУРА

  1. Paik, Y.K., Omenn, G.S., Hancock, W.S., Lane, L., Overall, C.M. (2017) Advances in the Chromosome-Centric Human Proteome Project: Looking to the Future. Expert Review of Proteomics, 1059–1071. DOI
  2. Omenn, G.S., Lane, L., Overall, C.M., Corrales, F.J., Schwenk, J.M., Paik, Y.K., Van Eyk, J.E., Liu, S., Pennington, S., Snyder, M.P., Baker, M.S., Deutsch, E.W. (2019) Progress on Identifying and Characterizing the Human Proteome: 2019 Metrics from the HUPO Human Proteome Project. Journal of Proteome Research, 4098–4107. DOI
  3. Gaudet, P., Argoud-Puy, G., Cusin, I., Duek, P., Evalet, O., Gateau, A., Gleizes, A., Pereira, M., Zahn-Zabal, M., Zwahlen, C., Bairoch, A., Lane, L. (2013) NeXtProt: Organizing Protein Knowledge in the Context of Human Proteome Projects. J. Proteome Res, 12 (1), 293–298. DOI
  4. Archakov, A., Aseev, A., Bykov, V., Grigoriev, A., Govorun, V., Ivanov, V., Khlunov, A., Lisitsa, A., Mazurenko, S., Makarov, A. A., Ponomarenko, E., Sagdeev, R., Skryabin, K. (2011) Gene-Centric View on the Human Proteome Project: The Example of the Russian Roadmap for Chromosome 18. Proteomics , 11 (10), 1853–1856. DOI
  5. Poverennaya, E.V., Ilgisonis, E.V., Ponomarenko, E.A., Kopylov, A.T., Zgoda, V.G., Radko, S.P., Lisitsa, A.V., Archakov, A.I. (2017) Why Are the Correlations between MRNA and Protein Levels so Low among the 275 Predicted Protein-Coding Genes on Human Chromosome 18? J. Proteome Res., 16 (12), 4311–4318. DOI
  6. Zgoda, V.G., Kopylov, A.T., Tikhonova, O.V., Moisa, A.A., Pyndyk, N.V., Farafonova, T.E., Novikova, S.E., Lisitsa, A.V., Ponomarenko, E.A., Poverennaya, E.V., Radko, S.P., Khmeleva, S.A., Kurbatov, L.K., Filimonov, A.D., Bogolyubova, N.A., Ilgisonis, E.V., Chernobrovkin, A.L., Ivanov, A.S., Medvedev, A.E., Mezentsev, Y.V., Moshkovskii, S.A., Naryzhny, S.N., Ilina, E.N., Kostrjukova, E.S., Alexeev, D.G., Tyakht, A.V., Govorun, V.M., Archakov, A.I. (2013) Chromosome 18 Transcriptome Profiling and Targeted Proteome Mapping in Depleted Plasma, Liver Tissue and HepG2 Cells. J. Proteome Res., 12 (1), 123–134. DOI
  7. Ponomarenko, E.A., Kopylov, A.T., Lisitsa, A.V., Radko, S.P., Kiseleva, Y.Y., Kurbatov, L.K., Ptitsyn, K.G., Tikhonova, O.V., Moisa, A.A., Novikova, S.E., Poverennay, E.V., Ilgisonis, E.V., Archakov, A.I. (2014) Chromosome 18 Transcriptoproteome of Liver Tissue and HepG2 Cells and Targeted Proteome Mapping in Depleted Plasma: Update 2013. J. Proteome Res., 13 (1), 183–190.
  8. Radko, S.P., Poverennaya, E.V., Kurbatov, L.K., Ponomarenko, E.A., Lisitsa, A.V., Archakov, A.I. (2019) The “Missing” Proteome: Undetected Proteins, Not-Translated Transcripts, and Untranscribed Genes. J. Proteome Res., 18 (12), 4273–4276. DOI
  9. Segura, V., Medina-Aunon, J. A., Guruceaga, E., Gharbi, S. I., Gonzälez-Tejedo, C., San Chez Del Pino, M.M., Canals, F., Fuentes, M., Ignacio Casal, J., Martínez-Bartolomé, S., Elortza, F., Mato, J. M., Arizmendi, J.M., Abian, J., Oliveira, E., Gil, C., Vivanco, F., Blanco, F., Albar, J.P., Corrales, F.J. (2013) Spanish Human Proteome Project: Dissection of Chromosome 16. J. Proteome Res., 12 (1), 112–122. DOI
  10. Yong-In, K., Jongan, L., Young-Jin, C., Jawon, S., Jisook, P., Soo-Youn, L., Je-Yoel, C. (2015) Proteogenomic Study Beyond Chromosome 9: New Insight Into Expressed Variant Proteome and Transcriptome in Human Lung Adenocarcinoma Tissues. J. Proteome Res., 14 (12), 5007–5016.
  11. Liu, S., Im, H., Bairoch, A., Cristofanilli, M., Chen, R., Deutsch, E. W., Dalton, S., Fenyo, D., Fanayan, S., Gates, C., Gaudet, P., Hincapie, M., Hanash, S., Kim, H., Jeong, S. K., Lundberg, E., Mias, G., Menon, R., Mu, Z., Nice, E., Paik, Y.K., Uhlen, M., Wells, L., Wu, S.L., Yan, F., Zhang, F., Zhang, Y., Snyder, M., Omenn, G.S., Beavis, R. C., Hancock, W.S. (2013) A Chromosome-Centric Human Proteome Project (C-HPP) to Characterize the Sets of Proteins Encoded in Chromosome 17. J Proteome Res, 45–57. DOI
  12. Chang, C., Li, L., Zhang, C., Wu, S., Guo, K., Zi, J., Chen, Z., Jiang, J., Ma, J., Yu, Q., Fan, F., Qin, P., Han, M., Su, N., Chen, T., Wang, K., Zhai, L., Zhang, T., Ying, W., Xu, Z., Zhang, Y., Liu, Y., Liu, X., Zhong, F., Shen, H., Wang, Q., Hou, G., Zhao, H., Li, G., Liu, S., Gu, W., Wang, G., Wang, T., Zhang, G., Qian, X., Li, N., He, Q. Y., Lin, L., Yang, P., Zhu, Y., He, F., Xu, P. (2014) Systematic Analyses of the Transcriptome, Translatome, and Proteome Provide a Global View and Potential Strategy for the C-HPP. J. Proteome Res., 13 (1), 38–49. DOI
  13. Shargunov, A.V., Krasnov, G.S., Ponomarenko, E.A., Lisitsa, A.V., Shurdov, M.A., Zverev, V.V., Archakov, A.I., Blinov, V.M. (2014) Tissue-Specific Alternative Splicing Analysis Reveals the Diversity of Chromosome 18 Transcriptome. J. Proteome Res., 13 (1), 173–182. DOI
  14. Krasnov, G.S., Dmitriev, A.A., Kudryavtseva, A.V., Shargunov, A.V., Karpov, D.S., Uroshlev, L.A., Melnikova, N.V., Blinov, V.M., Poverennaya, E.V., Archakov, A.I., Lisitsa, A.V., Ponomarenko, E.A. (2015) PPLine: An Automated Pipeline for SNP, SAP, and Splice Variant Detection in the Context of Proteogenomics. J. Proteome Res., 14 (9), 3729–3737. DOI
  15. Jeong, S.K., Lee, H.J., Na, K., Cho, J.Y., Lee, M.J., Kwon, J.Y., Kim, H., Park, Y.M., Yoo, J.S., Hancock, W. S., Paik, Y.K. (2013) GenomewidePDB, a Proteomic Database Exploring the Comprehensive Protein Parts List and Transcriptome Landscape in Human Chromosomes. J. Proteome Res., 12 (1), 106–111. DOI
  16. Poverennaya, E.V., Shargunov, A.V., Ponomarenko, E.A., Lisitsa, A.V. (2018) The Gene-Centric Content Management System and Its Application for Cognitive Proteomics. Proteomes, 6 (1). DOI
  17. Tyakht, A.V., Ilina, E.N., Alexeev, D.G., Ischenko, D.S., Gorbachev, A.Y., Semashko, T.A., Larin, A.K., Selezneva, O V., Kostryukova, E.S., Karalkin, P.A., Vakhrushev, I.V., Kurbatov, L.K., Archakov, A.I., Govorun, V.M. (2014) RNA-Seq Gene Expression Profiling of HepG2 Cells: The Influence of Experimental Factors and Comparison with Liver Tissue. BMC Genomics , 15 (1). DOI
  18. Chalmel, F., Rolland, A. D. Linking Transcriptomics and Proteomics in Spermatogenesis. Reproduction, 150 (5), R149–R157. DOI
  19. Fortelny, N., Overall, C. M., Pavlidis, P., Freue, G.V.C. (2017) Can We Predict Protein from MRNA Levels? Nature, 547, E19–E20. DOI
  20. Eraslan, B., Wang, D., Gusic, M., Prokisch, H., Hallström, B.M., Uhlén, M., Asplund, A., Pontén, F., Wieland, T., Hopf, T., Hahne, H., Kuster, B., Gagneur, J. (2019) Quantification and Discovery of Sequence Determinants of Protein‐per‐mRNA Amount in 29 Human Tissues. Mol. Syst. Biol., 15 (2). DOI
  21. De Sousa Abreu, R., Penalva, L.O., Marcotte, E.M., Vogel, C. (2009) Global Signatures of Protein and MRNA Expression Levels. Mol Biosyst, 1512–1526. DOI
  22. Ponomarenko, E.A., Kopylov, A.T., Lisitsa, A.V., Radko, S.P., Kiseleva, Y.Y., Kurbatov, L.K., Ptitsyn, K.G., Tikhonova, O.V., Moisa, A.A., Novikova, S.E., Poverennaya, E.V., Ilgisonis, E.V., Filimonov, A.D., Bogolubova, N.A., Averchuk, V.V., Karalkin, P.A., Vakhrushev, I.V., Yarygin, K.N., Moshkovskii, S.A., Zgoda, V.G., Sokolov, A.S., Mazur, A.M., Prokhortchouck, E.B., Skryabin, K.G., Ilina, E.N., Kostrjukova, E.S., Alexeev, D.G., Tyakht, A.V., Gorbachev, A.Y., Govorun, V.M., Archakov, A.I. (2014) Chromosome 18 Transcriptoproteome of Liver Tissue and HepG2 Cells and Targeted Proteome Mapping in Depleted Plasma: Update 2013. J. Proteome Res., 13 (1), 183–190. DOI
  23. Seki, M., Katsumata, E., Suzuki, A., Sereewattanawoot, S., Sakamoto, Y., Mizushima-Sugano, J., Sugano, S., Kohno, T., Frith C.,M., Tsuchihara, K., Suzuki, Y., Expand, A. (2019) Evaluation and Application of RNA-Seq by MinION. DNA Res ., 26 (1), 55–65.
  24. Poverennaya, E.V., Kopylov, A.T., Ponomarenko, E.A., Ilgisonis, E.V., Zgoda, V.G., Tikhonova, O.V., Novikova, S.E., Farafonova, T.E., Kiseleva, Y.Y., Radko, S.P., Vakhrushev, I.V., Yarygin, K.N., Moshkovskii, S.A., Kiseleva, O.I., Lisitsa, A.V., Sokolov, A.S., Mazur, A.M., Prokhortchouk, E.B., Skryabin, K.G., Kostrjukova, E.S., Tyakht, A.V., Gorbachev, A.Y., Ilina, E.N., Govorun, V.M., Archakov, A.I. (2016) State of the Art of Chromosome 18-Centric HPP in 2016: Transcriptome and Proteome Profiling of Liver Tissue and HepG2 Cells. J. Proteome Res., 15 (11), 4030–4038. DOI
  25. Riedel, G., Rüdrich, U., Fekete-Drimusz, N., Manns, M.P., Vondran, F.W.R., Bock, M. (2014) An Extended ΔCT-Method Facilitating Normalisation with Multiple Reference Genes Suited for Quantitative RT-PCR Analyses of Human Hepatocyte-like Cells. PLoS One, 9 (3). DOI
  26. Wilkening, S., Stahl, F., Bader, A. (2003) Comparison of Primary Human Hepatocytes and Hepatoma Cell Line HepG2 with Regard to Their Biotransformation Properties. Drug Metab. Dispos., 31 (8), 1035–1042. DOI
  27. Wick, R.R., Judd, L. M., Holt, K.E. (2019) Performance of Neural Network Basecalling Tools for Oxford Nanopore Sequencing. Genome Biol., 20 (1). DOI
  28. Li, H. Minimap2: Pairwise Alignment for Nucleotide Sequences. Bioinformatics 2018, 34 (18), 3094–3100. DOI
  29. Patro, R., Duggal, G., Love, M.I., Irizarry, R A., Kingsford, C. (2017) Salmon Provides Fast and Bias-Aware Quantification of Transcript Expression. Nat. Methods, 14 (4), 417–419. DOI
  30. Kulak, N.A., Geyer, P.E., Mann, M. (2017) Loss-Less Nano-Fractionator for High Sensitivity, High Coverage Proteomics. Mol. Cell. Proteomics, 16 (4), 694–705. DOI
  31. Papatheodorou, I., Fonseca, N.A., Keays, M., Tang, Y. A., Barrera, E., Bazant, W., Burke, M., Füllgrabe, A., Fuentes, A.M.P., George, N., Huerta, L., Koskinen, S., Mohammed, S., Geniza, M., Preece, J., Jaiswal, P., Jarnuczak, A.F., Huber, W., Stegle, O., Vizcaino, J. A., Brazma, A., Petryszak, R. (2018) Expression Atlas: Gene and Protein Expression across Multiple Studies and Organisms. Nucleic Acids Res., 46 (D1), D246–D251. DOI
  32. Albert, R., Barabasi, A.L. (2002) Statistical mechanics of complex networks. Rev. Mod. Phys., 74(1), 47. DOI
  33. Poverennaya, E., Kiseleva, O., Ilgisonis, E., Novikova, S., Kopylov, A., Ivanov, Y., Kononikhin, A., Gorshkov, M., Kushlinskii, N., Archakov, Ponomarenko, E. (2020) Is It Possible to Find Needles in a Haystack? Meta-Analysis of 1000+ MS/MS Files Provided by the Russian Proteomic Consortium for Mining Missing Proteins. Proteomes, 8 (2), 12. DOI
  34. Misawa, K., Kanazawa, T., Mochizuki, D., Imai, A., Mima, M., Yamada, S., Morita, K., Misawa, Y., Shinmura, K., Mineta, H. (2019) Genes Located on 18q23 Are Epigenetic Markers and Have Prognostic Significance for Patients with Head and Neck Cancer. Cancers, 11 (3). DOI
  35. Chen, K., He, Y., Liu, Y., Yang, X. (2019) Gene Signature Associated with Neuro-Endocrine Activity Predicting Prognosis of Pancreatic Carcinoma. Mol. Genet. Genomic Med., 7 (7). DOI
  36. Rodrigues, R.M., Heymans, A., De Boe, V., Sachinidis, A., Chaudhari, U., Govaere, O., Roskams, T., Vanhaecke, T., Rogiers, V., De Kock, J. (2016) Toxicogenomics-Based Prediction of Acetaminophen-Induced Liver Injury Using Human Hepatic Cell Systems. Toxicol. Lett., 240 (1), 50–59. DOI
  37. Deutsch, E.W., Lane, L., Overall, C. M., Bandeira, N., Baker, M. S., Pineau, C., Moritz, R.L., Corrales, F., Orchard, S., Van Eyk, J.E., Paik, Y.K., Weintraub, S.T., Vandenbrouck, Y., Omenn, G.S. (2019) Human Proteome Project Mass Spectrometry Data Interpretation Guidelines 3.0. J Proteome Res., 2019, 4108–4116. DOI
  38. Tran, J. C., Zamdborg, L., Ahlf, D. R., Lee, J.E., Catherman, A.D., Durbin, K. R., Tipton, J.D., Vellaichamy, A., Kellie, J.F., Li, M., Wu, C., Sweet, S.M.M., Early, B.P., Siuti, N., Leduc, R.D., Compton, P.D., Thomas, P.M., Kelleher, N.L. (2011) Mapping Intact Protein Isoforms in Discovery Mode Using Top-down Proteomics. Nature, 480 (7376), 254–258. DOI
  39. Righetti, P.G., Boschetti, E. (2008) The Proteominer and the Fortyniners: Searching for Gold Nuggets in the Proteomic Arena. Mass Spectrometry Reviews, 596–608. DOI
  40. Dendextend, G.T. (2015) Dendextend: An R Package for Visualizing, Adjusting and Comparing Trees of Hierarchical Clustering. Bioinformatics, 31 (22), 3718–3720. DOI
  41. Dong, H., Ge, X., Shen, Y., Chen, L., Kong, Y., Zhang, H., Man, X., Tang, L., Yuan, H., Wang, H., Zhao, G., Jin, W. (2009) Gene Expression Profile Analysis of Human Hepatocellular Carcinoma Using SAGE and LongSAGE. BMC Med. Genomics, 2. DOI
  42. 49 Shanmugam, A.K., Yocum, A.K., Nesvizhskii, A.I. (2014) Utility of RNA-Seq and GPMDB Protein Observation Frequency for Improving the Sensitivity of Protein Identification by Tandem MS. J. Proteome Res., 13 (9), 4113–4119. DOI
  43. Frith, M. C., Hamada, M., Horton, P. (2010) Parameters for Accurate Genome Alignment. BMC Bioinformatics, 11. DOI
  44. Li, H., Durbin, R. (2010) Fast and Accurate Long-Read Alignment with Burrows-Wheeler Transform. Bioinformatics, 26 (5), 589–595. DOI
  45. Van Delft, J., Gaj, S., Lienhard, M., Albrecht, M. W., Kirpiy, A., Brauers, K., Claessen, S., Lizarraga, D., Lehrach, H., Herwig, R., Kleinjans, J. (2012) Rna-Seq Provides New Insights in the Transcriptome Responses Induced by the Carcinogen Benzo[a]Pyrene. Toxicol. Sci., 130 (2), 427–439. DOI