miRNA與lncRNA的生物信息學(xué)預(yù)測

日期：2019-03-26 標(biāo)簽：miRNA與lncRNA的生物信息學(xué)預(yù)測

圖1  生物信息學(xué)在miRNA研究中的應(yīng)用

當(dāng)開始研究一基因是否為一個miRNA調(diào)控的靶基因時，可以用不同的生物信息學(xué)計算方法來分析每個序列（如mRNA的3'-UTR區(qū)序列），這些計算方法采用不同的參數(shù)來預(yù)測一個給定的靶mRNA內(nèi)具功能性miRNA結(jié)合位點的可能性。由于每種計算方法的有效性不同，下面3種計算方法應(yīng)該被用來預(yù)測miRNA結(jié)合位點：miRanda、TargetScan和PicTar.這3種計算方法都允許研究者輸入一個基因符號，這些計算方法將計算此基因內(nèi)所有預(yù)測的miRNA結(jié)合位點。此外，這些計算方法可測定一個給定的miRNA所有的靶mRNA.因為不同的計算方法會預(yù)測出不同的miRNA結(jié)合位點，所以同時使用多種計算方法進行預(yù)測非常必要。值得注意的是，盡管miRNA結(jié)合位點在不同物種間的保守性是各種不同計算方法的組成部分，但并不是一個功能性位點所必需的。由于不同計算方法預(yù)測的結(jié)果存在很大的差異，如何確定哪些預(yù)測的結(jié)合位點需要進一步的實驗驗證成為研究者要面臨的一個難題。作者認(rèn)為至少這3種計算方法中的2種計算方法均預(yù)測到的miRNA結(jié)合位點，有必要進一步用實驗驗證。

因為很多經(jīng)種子序列匹配預(yù)測的miRNA靶經(jīng)體內(nèi)驗證實驗證實并不是真的miRNA靶，為了起始一步減少預(yù)測到的抑制一給定的靶mRNA表達的miRNA的數(shù)量，進一步的程序分析是有必要的。結(jié)構(gòu)特征控制著miRNA/mRNA間的相互作用的觀點已被越來越多的人所接受。例如，一個RNA分子的大部分結(jié)構(gòu)是高度復(fù)雜性的，只有特定的單鏈區(qū)域允許miRNAs接近并與互補位點結(jié)合。因此，復(fù)雜的RNA二級結(jié)構(gòu)可能阻止miRNA/mRNA的相互作用。最近有研究證實，絕大部分已證實的靶的一個共同特征是優(yōu)先與基于熱動力學(xué)在RNA分子中容易接近且沒有復(fù)雜二級結(jié)構(gòu)的3’-UTR區(qū)中的位點。由于RNA可接近性可能是靶識別的一個關(guān)鍵特征，所以有必要采用mFold軟件測定預(yù)測到的miRNA結(jié)合位點5’端和3’端各70個核苷酸的自由能，當(dāng)其低于平均隨機自由能時提示此位點允許miRNA接近并結(jié)合[20].這些允許miRNA接近并結(jié)合起來的位點，有必要進一步用實驗進行驗證。

在不同物種中成熟miRNA均是從具有莖環(huán)狀二級結(jié)構(gòu)的前體加工而來，具有較大的序列同源性?？寺〉降?/span>miRNA序列通過檢索基因組數(shù)據(jù)庫找到在基因組中的位置，在和周圍基因組序列比較中發(fā)現(xiàn)他們同樣具有相似的前體結(jié)構(gòu)，多位于編碼基因間或內(nèi)含子反向重復(fù)區(qū)域。一些miRNA基因在進化上具有高度保守性，此為生物信息學(xué)篩選的基礎(chǔ)。該方法根據(jù)比較基因組學(xué)原理，并結(jié)合生物信息軟件在已測序基因組中進行搜索比對，根據(jù)同源性的高低再進行RNA二級結(jié)構(gòu)預(yù)測，將符合條件的候選miRNA與已經(jīng)通過試驗鑒定的miRNA分子進行比較分析，最終確定該物種miRNA的分步及數(shù)量。目前國際上較為普遍使用的兩個計算機分析工具是miRseeker和miRscan，前者已用于果蠅及昆蟲基因組候選基因的系統(tǒng)分析，后者則用于線蟲和脊椎動物候選基因的分析。這兩個工具已經(jīng)成功鑒定出了大量的miRNA基因并通過了實驗證實。由于miRseeker和miRscan的高靈敏度，它們已用于人類miRNA基因的尋找。由于該方法只能用于已完成基因組測序的物種，而那些未完成測序的物種就無能為力，而且由于miRNA前體長度的可變性，故用計算機方法尋找新基因具有一定的遺漏性，所以目前大多數(shù)實驗室將計算機分析與實驗方法結(jié)合使用，使得miRNA的發(fā)現(xiàn)量成幾何級數(shù)增長。目前日益發(fā)展的微陣列技術(shù)也在篩選miRNA基因方面顯示了極大的潛力。

隨著疾病特異性的miRNAs不斷被鑒定，對感興趣的疾病通路中的新靶基因進行驗證可能催生新的治療策略。因此，能夠鑒定和驗證miRNA/mRNA靶配對具有極其重要的意義。盡管生物信息學(xué)方法和自由能分析并不完美，但可使作者能夠?qū)ν茰y的miRNA/mRNA靶配對進行鑒定。一旦生物信息學(xué)方法預(yù)測成功，可以通過以下4條標(biāo)準(zhǔn)驗證miRNA/mRNA靶配對的真實性。（1）miRNA/mRNA靶相互作用得到驗證。（2）miRNA/mRNA共表達。（3）給定miRNA對其蛋白表達有可預(yù)測的影響。即用此miRNA的類似物可減少靶基因表達水平，而用此miRNA特異性抑制劑可增加靶基因的表達水平。（4）miRNA介導(dǎo)靶基因表達的調(diào)控導(dǎo)致相應(yīng)的生物學(xué)功能的改變。

2 LncRNA的生物信息學(xué)預(yù)測

對lncRNA進行鑒定時，采取的策略是收集不同類型的數(shù)據(jù)（包括polyA RNA sequencing、nonpolyA RNA sequencing、表觀遺傳信號值、編碼可能性、保守性和RNA結(jié)構(gòu)等），并對其進行分析。例如CDS的RNA-seqpolyA的表達值比較高，而ncRNA的RNA-seqnon-polyA表達值比較高。通過對不同類型數(shù)據(jù)的整合，還可以進一步得到不同類型基因元素的網(wǎng)絡(luò)調(diào)控關(guān)系。

對lncRNA進行綜合分析的一般流程如下：（1）將基因組劃分成小的單位（bin），根據(jù)Gencode的注釋信息對每個bin進行注釋；（2）分別計算每個bin的特征值，這些特征值包括序列保守性、結(jié)構(gòu)穩(wěn)定性、RNA表達值、組蛋白修飾、轉(zhuǎn)錄因子結(jié)合等；（3）利用機器學(xué)習(xí)的模型，將lncRNA與其他基因類別區(qū)分開，并且對新的lncRNA進行預(yù)測。

圖2 利用數(shù)據(jù)整合對lncRNA進行鑒定

圖3 lncRNA綜合分析方法流程示例

有的時候我們的專業(yè)知識不足以完成分析和預(yù)測。尤其在面對高通量數(shù)據(jù)時，從中挖掘有用的信息尤為關(guān)鍵。這時可以用到機器學(xué)習(xí)（machinelearning）的方法，令機器自動分析數(shù)據(jù)，比如特征提取或是分類。機器學(xué)習(xí)應(yīng)用在生物信息學(xué)主要有兩大分支，即監(jiān)督學(xué)習(xí)（supervisedlearning）和非監(jiān)督學(xué)習(xí)（unsupervisedlearning）。在監(jiān)督學(xué)習(xí)問題中，每個數(shù)據(jù)擁有一個對應(yīng)標(biāo)簽，我們希望通過數(shù)據(jù)建立一個模型，根據(jù)數(shù)據(jù)預(yù)測標(biāo)簽。傳統(tǒng)的監(jiān)督學(xué)習(xí)方法包括線性判別分析（LDA）、決策樹（decisiontree）、最近鄰法（nearestneighbor）和神經(jīng)網(wǎng)絡(luò)（neuralnetwork）。20世紀(jì)90年代后，誕生了一批很有影響力的工作，包括支持向量機（SVM）、Adaboosting和隨機森林（randomforest），相比于傳統(tǒng)的方法，上述方法更好地處理了過擬合（overfitting）的問題，從而在實際應(yīng)用中有很好的預(yù)測效果。

LncRNA研究是基因組時代重要的科學(xué)前沿，因為它有可能揭示一個全新的由RNA介導(dǎo)的遺傳信息表達調(diào)控網(wǎng)絡(luò)，從不同于蛋白質(zhì)編碼基因的角度來注釋和闡明基因組的結(jié)構(gòu)與功能，并為人類的疾病研究和治療提供新的思路和方法。同時，新一代測序技術(shù)的發(fā)展也為鑒定lncRNA的計算機方法提供了強大的支持。以下是整理的長非編碼RNA（lncRNA，lincRNA）數(shù)據(jù)庫資源列表（按字母排序）。國內(nèi)外長非編碼RNA的研究剛剛興起，希望這資源對國內(nèi)的非編碼RNA的研究者有所幫助。

（1） ChIPBase：提供長鏈非編碼RNA的表達圖譜和轉(zhuǎn)錄調(diào)控的全面鑒定和注釋。整合了高通量的RNA-seq鑒定的lncRNA及其表達圖譜和ChIP-Seq實驗技術(shù)鑒定的轉(zhuǎn)錄因子結(jié)合位點。

網(wǎng)站：http://deepbase.sysu.edu.cn/chipbase/

更新：2012年11月

（2）LNCipedia：對人類的長鏈非編碼RNA的序列和結(jié)構(gòu)全面的注釋。

網(wǎng)站：http://www.lncipedia.org

更新：2012年7月

（3）lncRNAdb：提供有生物學(xué)功能的長鏈非編碼RNA的全面注釋。這是長鏈非編碼RNA研究領(lǐng)域的大牛John mattick實驗室構(gòu)建的網(wǎng)站。

網(wǎng)站：http://www.lncrnadb.org/

更新：2011年7月

（4）LncRNADisease：提供了文獻報道的疾病相關(guān)的長鏈非編碼RNA的注釋。

網(wǎng)站：http://cmbi.bjmu.edu.cn/lncrnadisease

更新：2012年7月

（5）NONCODE：提供對長鏈非編碼RNA的全面注釋，包括表達和該團隊開發(fā)的ncFANs計算機軟件預(yù)測的lncRNA功能。這是非編碼RNA研究的知名數(shù)據(jù)庫，已經(jīng)更新到第三版。

網(wǎng)站：http://www.noncode.org

更新：2012年1月

（6）NRED： 提供人和小鼠的長鏈非編碼RNA在芯片數(shù)據(jù)的表達信息。這也是John mattick實驗室構(gòu)建的網(wǎng)站。

網(wǎng)站：http://jsm-research.imb.uq.edu.au/nred/

更新： 2009年