||
写在前面
在前面介绍中(miRNA是何方神圣?),我们已经知道,miRNA和靶基因mRNA通过碱基互补配对原则来完成剪切、抑制翻译和蛋白质降解过程,在调控发育过程中有重要调节功能。那么,在计算机角度,如何识别miRNA靶基因呢?
01
—
基于序列数据识别miRNA靶基因
这个类别的相关方法,例如TargetScan(http://www.targetscan.org/vert_72/)和PicTar(https://pictar.mdc-berlin.de/),输入数据都为miRNA和靶基因mRNA序列。整体而言,他们都依据序列间的碱基互补配对原则,具体而言,这些方法遵循的原则主要有:
i)miRNA的“种子区”与mRNA的3′UTR序列碱基互补;
ii)靶标3′UTR位点在多物种间呈现序列保守性;
iii)考虑miRNA与靶基因mRNA形成的双链结构动力学和热力学特性;
iv)考虑靶基因二级结构和靶点外的序列对靶基因预测的影响。
植物miRNA与靶基因呈现完全互补配对,然而动物miRNA与靶基因呈现不完全互补配对。因此,这种不完全互补配对成为动物miRNA靶标预测的难点。
02
—
基于表达数据识别miRNA靶基因
这个类别的相关方法,比较经典的是基于贝叶斯网络的GenMiR++方法,输入数据都为miRNA和靶基因mRNA表达谱数据。由于miRNA一般负调控靶基因mRNA,因此许多相关关系(例如Pearson和Spearman)方法都只保留miRNA与靶基因mRNA显著性负相关的miRNA-mRNA互作对。其他方法还有回归分析方法(例如Lasso)和因果推理方法(例如IDA)等。
03
—
基于多种数据识别miRNA靶基因
这个类别的相关方法,输入数据至少包含miRNA和靶基因mRNA序列, miRNA和靶基因mRNA表达谱数据,以及蛋白质互作数据和功能注释信息等。基本的考虑是:多种异构数据源有利于提高miRNA靶基因预测精度。事实证明也的确提高了miRNA靶基因预测精度。
后话
目前,miRNA靶基因识别方法有很多,有人还将miRNA靶基因识别方法进行了层次聚类(如图1)。这些方法主要分为四大类,部分方法归属于2个类别。那么,如何选择合适的miRNA靶基因识别方法呢?
图1 miRNA靶基因识别方法层次聚类分析(https://www.ccb.uni-saarland.de/mtguide)
参考文献:
[1] Agarwal V, Bell GW, Nam JW, Bartel DP. Predicting effective microRNA target sites in mammalian mRNAs. Elife. 2015;4:e05005. Published 2015 Aug 12. doi:10.7554/eLife.05005
[2] Krek A, Grün D, Poy MN, et al. Combinatorial microRNA target predictions. Nat Genet. 2005;37(5):495-500. doi:10.1038/ng1536
[3] Huang JC, Babak T, Corson TW, et al. Using expression profiling data to identify human microRNA targets. Nat Methods. 2007;4(12):1045-1049. doi:10.1038/nmeth1130
[4] Le TD, Zhang J, Liu L, Li J. Ensemble Methods for MiRNA Target Prediction from Expression Data. PLoS One. 2015;10(6):e0131627. Published 2015 Jun 26. doi:10.1371/journal.pone.0131627
[5] Kern F, Backes C, Hirsch P, et al. What's the target: understanding two decades of in silico microRNA-target prediction. Brief Bioinform. 2020;21(6):1999-2010. doi:10.1093/bib/bbz111
更多背景知识如下:
1. miRNA是何方神圣?
号外,ceRNA可是miRNA介导的哦。为了便于交流,我们为miRNA介导的ceRNA研究在Frontiers in Molecular Biosciences杂志( 2020_IF = 5.246)整了个专刊,主题为“Computational Identification of ceRNA Regulation”。投稿链接:https://www.frontiersin.org/research-topics/24340/。
Archiver|手机版|科学网 ( 京ICP备07017567号-12 )
GMT+8, 2024-10-20 04:27
Powered by ScienceNet.cn
Copyright © 2007- 中国科学报社