This lesson is only available in Korean for now.

Dr. Seok's miRNA–mRNA, First Steps

There is one more layer
that switches genes off

Inside a cell, thousands of kinds of 22-letter RNA drift about, finding the mRNA that matches them and quietly holding it down. This miRNA layer is completely invisible if you only read mRNA.
This course lays two sets of raw data read from the same cells — 1,976 miRNAs and 24,419 mRNAs — over each other and has you compute, yourself, whether a target really fell when its miRNA rose.

🐍 Python✂️ seed rules🔤 3'UTR sequence 🎯 TargetScan📉 cumulative distributions🧮 multiple testing⚖️ effect size🇬🇧 English

Start lesson 1 →

How you'll learn

🧩Laying two tables over each other

miRNA-seq at 1,976 × 6 and mRNA-seq at 24,419 × 7. It starts with how you get two tables measured on different machines onto the same ruler.

✂️Writing the rule yourself

The seed is bases 2 to 8 of the miRNA. You write the function that tells 8mer, 7mer-m8 and 7mer-1a apart by hand, and sweep it across two million bases of 3'UTR.

🎯Checking against the answer key

You put the sites you found next to TargetScan's list — where they agree, where they don't, and what the disagreement means.

⚖️Measuring the size, then deciding

“It went down” is not the end of it. By how many per cent, whether that is distinguishable from chance, and if not, why not.

Full curriculum

두 번째 층 — 유전자를 끄는 22 글자

miRNA 란 무엇인가 · 왜 mRNA 자료만으로는 안 보이는가

표 두 장을 연다 — 1,976 × 6 과 24,419 × 7

행과 열이 뜻하는 것 · 표본 이름이 서로 다르다는 첫 번째 함정

깊이가 다르다 — raw count 는 거짓말을 한다

WT 는 38만 개, KD 는 21만 개를 읽었다 · CPM 이라는 자

miRNA 발현은 심하게 기울어져 있다

두 종류가 전체의 35% · 절반은 아예 0 · 이것이 분석에 미치는 영향

차등발현 ① — miRNA 층에서 무엇이 변했나

log2 배수변화 · t검정 · 화산도 · 그리고 miR-34b-5p 가 튀어나온다

차등발현 ② — mRNA 층, 그리고 녹다운 검증

Ddx54 는 정말 꺼졌나 · 24,419 개를 같은 방법으로 검정한다

miRNA 공장이 다시 돌아간다

Drosha · Dgcr8 · Xpo5 · Dicer1 이 함께 올라간다 · 그리고 mi 꾸러미

347 번 검정하면 무슨 일이 생기나

p < 0.05 가 103 개인데 우연 기댓값은 17 개 · BH 로 q값 만들기

씨앗 — miRNA 가 표적을 고르는 일곱 글자

22 염기 중 2~8 번만 쓴다 · 왜 하필 일곱인가

계열 — 씨앗이 같으면 표적도 같다

1,936 종에서 씨앗을 뽑아 보니 계열은 1,558 개 · miR-34b 와 34c 는 한 팀

3'UTR 200만 염기에서 자리를 찾는다

여덟 줄짜리 함수로 8mer · 7mer-m8 · 7mer-1a 를 가려낸다

내 결과 대 TargetScan — 516 과 436

겹치는 405 · 나만 찾은 111 · TargetScan 만 가진 31, 그 차이의 정체

'예측 표적' 이라는 말의 정체

일곱 글자는 우연히도 자주 나온다 · 보존도와 PCT · 내 자료의 편향까지

두 층을 겹친다 — 표적 집합은 내려갔는가

유전자 하나가 아니라 452 개를 통째로 · 누적분포라는 그림 한 장

용량반응 — 자리가 셀수록 더 내려가는가

8mer · 7mer-m8 · 7mer-1a 로 갈라 보기 · 그리고 기대와 어긋난 결과

계열 82 개를 한꺼번에 — 규칙은 성립하는가

miRNA 가 오른 만큼 표적이 내려가는가 · r = +0.03 이라는 대답

효과의 크기를 재어 본다 — 몇 퍼센트인가

miRNA 는 2.4 배 늘었는데 표적은 2.8% 줄었다 · 이게 말이 되는 숫자인가

왜 이렇게 작은가 — 검정력과 흔들림을 재어 본다

애초에 잡을 수 있는 크기였나 · 정규화를 바꾸면 결론이 바뀌나

판정 — 논문 Fig 3 을 우리 손으로 채점한다

확인된 것 · 확인하지 못한 것 · 확인할 수 없었던 것을 갈라 적는다

두 층을 겹쳐 읽는다는 것

20강에서 만든 도구 · 다음에 할 수 있는 일 · 이 강의가 남기는 습관